Autonomous task allocation by artificial evolution for robotic swarms in complex tasks
Autonomous task allocation by artificial evolution for robotic swarms in complex tasks
复制标题
复杂任务中机器人群的人工进化自主任务分配
DOI：
10.1007/s10015-018-0466-6
复制
发表时间：
2018
影响因子：
0.9
通讯作者：
Car Zlatan
中科院分区：
文献类型：
--
作者：
Wei Yufei;Hiraga Motoaki;Ohkura Kazuhiro;Car Zlatan
群机器人是指多个机器人在没有任何形式的集中控制的情况下，自主协调它们的集体行为来完成给定任务的领域。在群机器人技术中，任务分配是指将机器人动态地分布到不同的子任务上的行为，通常需要解决复杂的任务。众所周知，进化机器人是一种很有前途的方法来发展机器人群体的集体行为。然而，人工进化通常会遇到两个问题——引导问题和欺骗——尤其是当潜在的任务非常复杂的时候。在这项研究中，我们提出了一个由任务划分和自主任务分配组成的两步方案来克服这些困难。我们进行了计算机模拟实验，其中机器人群体必须完成一个复杂的集体觅食问题，结果表明，所提出的方法比传统的进化机器人方法更有效。
Swarm robotics is a field in which multiple robots coordinate their collective behavior autonomously to accomplish a given task without any form of centralized control. In swarm robotics, task allocation refers to the behavior resulting in robots being dynamically distributed over different sub-tasks, which is often required for solving complex tasks. It has been well recognized that evolutionary robotics is a promising approach to the development of collective behaviors for robotic swarms. However, the artificial evolution often suffers from two issues—the bootstrapping problem and deception—especially when the underlying task is profoundly complex. In this study, we propose a two-step scheme consisting of task partitioning and autonomous task allocation to overcome these difficulties. We conduct computer simulation experiments where robotic swarms have to accomplish a complex collective foraging problem, and the results show that the proposed approach leads to perform more effectively than a conventional evolutionary robotics approach.
登录
查看更多内容
用于在嵌入式系统中分配工作人员的可扩展分布式算法
DOI：
10.1109/icsmc.2001.972039
发表时间：
2001
期刊：
2001 IEEE International Conference on Systems, Man and Cybernetics. e-Systems and e-Man for Cybernetics in Cyberspace (Cat.No.01CH37236)
影响因子：
--
作者：
W. Agassounon;A. Martinoli;R. Goodman
通讯作者：
R. Goodman
DOI：
10.1145/2576768.2598300
发表时间：
2014
期刊：
Proceedings of the 2014 Annual Conference on Genetic and Evolutionary Computation
影响因子：
--
作者：
J. Lehman;R. Miikkulainen
通讯作者：
R. Miikkulainen
机器人群中的任务划分：策略选择的自适应方法
影响因子：
2.6
作者：
G. Pini;A. Brutschy;M. Frison;A. Roli;M. Dorigo;M. Birattari
通讯作者：
M. Birattari
进化、自组织和群体机器人
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
V. Trianni;S. Nolfi;M. Dorigo
通讯作者：
M. Dorigo
影响因子：
1.6
作者：
Pini, Giovanni;Brutschy, Arne;Birattari, Mauro
通讯作者：
Birattari, Mauro