想要完成复杂的任务，有时候光靠一台机器人是不够的。算法使机器人团队能够完成任务，如测绘或搜索和救援，并将浪费的精力降低。考虑一下寻找在森林中迷路的徒步旅行者的搜救任务，救援人员可能希望部署一队轮式机器人在森林中漫游，或许还可以借助无人机从高空搜寻现场，机器人团队的好处是显而易见的。

但是协调这个团队并不是一件简单的事情。如何确保机器人不会重复彼此的努力，或在错综复杂的搜索轨迹上浪费能量？

麻省理工学院的研究人员设计了一种算法，以确保收集信息的机器人团队的合作富有成效。他们的方法依赖于平衡所收集的数据和所消耗的能量之间的权衡，这消除了机器人可能为了获得一点点信息而浪费执行动作的机会。研究人员说，这种保证对于机器人团队在复杂、不可预测的环境中取得成功至关重要。"麻省理工学院航空航天系(aeroastro)的博士生xiaoyi cai说："我们的方法提供了安慰，因为我们知道它不会失败，这得益于算法的最坏情况下的表现。

这项研究将在5月举行的ieee机器人和自动化国际会议上发表。cai是该论文的主要作者。他的共同作者包括麻省理工学院r.c.maclaurin航空和航天学教授jonathan how；宾夕法尼亚大学的brent schlotfeldt和george j.pappas；以及加利福尼亚大学圣地亚哥分校的nikolay atanasov。

机器人团队经常依靠一个总体规则来收集信息。越多越好。cai说："我们的假设是，收集更多的信息永远不会有坏处。如果有一定的电池寿命，我们就用它来获得尽可能多的信息。这一目标通常是按顺序执行的--每个机器人各自评估情况并计划其轨迹，一个接一个，形成一个简单明了的程序，当信息是仅存的目标时，它通常运作良好，但当能源效率成为一个因素时，问题就出现了。收集额外信息的好处往往随着时间的推移而减少。例如，如果你已经有99张森林的照片，可能不值得派一个机器人去拍摄第100张照片。"我们要认识到信息和能源之间的权衡，让更多的机器人四处移动并不总是好事。当你考虑到能源成本时，它实际上可能会更糟。"

研究人员开发了一种机器人团队规划算法，优化了能量和信息之间的平衡。该算法的"目标函数"决定了机器人所提出的任务的价值，它考虑到了收集额外信息的收益递减和能源成本的上升。与之前的规划方法不同，它并不只是按顺序给机器人分配任务。"这更像是一种协作努力，机器人自己想出了团队计划"。

cai的方法称为分布式局部搜索，这是一种通过从团队的整体计划中增加或删除单个机器人的轨迹来提高团队性能的方法。首先，每个机器人独立生成一组它可能追求的潜在轨迹。接下来，每个机器人向团队的其他成员提出其轨迹。然后，该算法接受或拒绝每个人的建议，这取决于它是否增加或减少了团队的目标函数。"我们允许机器人自己计划他们的轨迹，"cai说。"只有当他们需要提出团队计划时，我们才让他们进行协商。所以，这是一个相当分散的计算。"

分布式本地搜索在计算机模拟中证明了它的威力。研究人员在协调一个由10个机器人组成的模拟团队时，将他们的算法与竞争者的算法进行了对比。虽然分布式本地搜索花费的计算时间略多，但它保证了机器人任务的成功完成，部分原因是它确保了没有团队成员为了最小的信息而陷入浪费的无尽探险中。

俄勒冈州立大学的机器人专家杰夫-霍林格(geoff hollinger)表示，这项进展有朝一日可以帮助机器人团队解决能源是有限资源的现实世界的信息收集问题，"这些技术适用于机器人团队需要在传感质量和能源消耗之间进行权衡的地方。这将包括空中监视和海洋监测"。

cai还指出了在测绘和搜救方面的潜在应用--这些活动依赖于高效的数据收集。改善这种信息收集的基本能力将是相当有影响的。研究人员接下来计划在实验室的机器人团队上测试他们的算法，包括无人机和轮式机器人的组合。

以上是网络信息转载，信息真实性自行斟酌。