[论文解读] Multi-Robot Searching Algorithm Using Levy Flight and Artificial Potential Field

Donny K. Sutantyo, Serge Kernbach+2 more|arXiv (Cornell University)|Aug 29, 2011

Robotic Path Planning Algorithms参考文献 13被引用 9

一句话总结

本文提出一种受生物启发的多机器人搜索算法，结合 Lévy 飞行用于运动步长选择，以及人工势场用于机器人分散，以提升在未知、大范围环境中的探索效率。该方法在中等数量机器人条件下，相较于固定步长的随机游走，显著提升了目标检测速度和覆盖效率，同时保持较低的计算开销，适合在机器人平台上实时部署。

ABSTRACT

An efficient search algorithm is very crucial in robotic area, especially for exploration missions, where the target availability is unknown and the condition of the environment is highly unpredictable. In a very large environment, it is not sufficient to scan an area or volume by a single robot, multiple robots should be involved to perform the collective exploration. In this paper, we propose to combine bio-inspired search algorithm called Levy flight and artificial potential field method to perform an efficient searching algorithm for multi-robot applications. The main focus of this work is not only to prove the concept or to measure the efficiency of the algorithm by experiments, but also to develop an appropriate generic framework to be implemented both in simulation and on real robotic platforms. Several experiments, which compare different search algorithms, are also performed.

研究动机与目标

• 开发一种高效、可扩展的多机器人搜索策略，适用于目标稀疏分布且事先未知的大规模、不可预测环境。
• 将受生物启发的 Lévy 飞行用于最优觅食运动，结合人工势场以改善机器人分散并避免碰撞。
• 设计一种通用、轻量级的软件框架，适用于仿真环境及真实机器人平台，尤其适用于群体机器人系统。
• 在不同机器人数量和目标数量条件下，评估该算法相对于标准随机游走策略的性能表现。
• 实现在低资源机器人系统（如 Jasmine 和 ANGELS 平台）上的实际部署，支持搜救、生态监测等现实应用场景。

提出的方法

• 采用 Lévy 飞行确定每个机器人运动的步长，基于重尾概率分布，偏好更长的步长，以增强在目标稀疏环境中的覆盖能力。
• 人工势场生成机器人之间的排斥力，促进分散并减少冗余探索，从而提高覆盖效率。
• 实现基于信息素的通信机制，当目标被检测到时留下标记，使机器人能够避免重复访问已知目标，并向未探索区域分散。
• 该算法无需集中控制或全局定位，仅依赖本地感知与通信，具备良好的可扩展性。
• 该框架设计计算成本低，支持在小型、资源受限的机器人平台上实现实时运行。
• 实验在二维模拟环境中进行，以抽象三维水下场景的复杂性，并在 Jasmine 和 ANGELS 测试平台上进行了验证。

实验结果

研究问题

• RQ1 将 Lévy 飞行与人工势场结合，相较于标准随机游走策略，如何提升多机器人搜索效率？
• RQ2 机器人数量对基于 Lévy 飞行与势场算法的性能有何影响，特别是在碰撞频率与路径效率方面？
• RQ3 所提出的算法是否能有效实现在计算与感知能力有限的真实机器人平台？
• RQ4 基于信息素的通信机制如何影响多机器人搜索中的目标检测时间与覆盖均匀性？
• RQ5 随着机器人数量增加，该算法在性能达到饱和或下降前的可扩展性如何？

主要发现

• 基于 Lévy 飞行的算法在目标检测时间方面显著优于固定步长随机游走，尤其在机器人数量适中时效果更明显。
• 引入人工势场后，机器人分散效果改善，冗余路径减少，覆盖效率提升。
• 当机器人密度较高时，Lévy 飞行机制带来的性能增益减弱，原因在于频繁的避碰行为破坏了理想的步长分布。
• 该算法在计算资源有限的情况下仍保持有效性，支持在轻量级机器人平台（如 Jasmine）上部署。
• 基于信息素的通信系统使机器人能够避免重复访问已知目标，减少搜索时间，提升整体探索效率。
• 通用软件框架实现了从仿真到真实机器人平台的无缝迁移，验证了其在实际应用中的可行性。