8、基于市场和阈值的多机器人任务分配对比研究

基于市场和阈值的多机器人任务分配对比研究

1 引言

多机器人协调近年来成为热门研究领域并取得显著进展。研究人员开发了多种协调方法，以利用机器人团队在速度、鲁棒性、灵活性和完成更多任务等方面的优势。然而，在广泛应用多机器人系统之前，理解各种协调方案之间的权衡至关重要。

我们特别关注在现实条件下，自组织方法和有意方法在多机器人任务分配中的权衡。自组织方法完全去中心化，通过众多简单个体的局部交互实现复杂的集体行为。机器人利用正负反馈机制和随机性独立、异步地选择行动。阈值方法是流行的自组织解决方案，机器人的活动选择由任务刺激感知和响应阈值调节。

有意方法中，机器人通常更复杂，以明确的团队目标进行协调。基于市场的方法是流行的有意方法，机器人在虚拟市场经济中作为自利代理，通过市场买卖任务进行分配。一般来说，自组织方法如阈值算法消耗较少的通信和计算资源来实现分工，而有意方法如基于市场的系统消耗更多资源，但往往能产生更高效的分配。

目前，对于在现实任务分配中利用通信和集中点的成本和收益研究较少。我们进行了对比研究，探讨在有限通信、嘈杂状态和任务估计以及有限任务感知的现实条件下，基于市场和阈值的任务分配方案的性能。

2 阈值和基于市场的任务分配

给定具有共同目标和有限资源的机器人团队，任务分配的挑战是确定如何将团队的全局目标分解并分配给各个成员，以实现某个全局目标。

• 阈值方法 ：每个机器人对每个任务都有一个激活阈值。它持续感知每个任务的刺激，该刺激反映执行任务的紧迫性或重要性。当感知到的刺激超过阈值时，机器人开始执行任务；当刺激低于阈值时，停止执行。这种响应可以是确定性的或概