While traditional robotic systems come with a monolithic system design, reconfigurable multi-robot systems can share and shift physical resources in an on-demand fashion. Multi-robot operations can benefit from this flexibility by actively managing system redundancies depending on current tasks and having more options to respond to failure events. To support this active exploitation of redundancies in robotic systems, this paper details an organization model as basis for planning with reconfigurable multi-robot systems. The model allows to exploit redundancies when optimizing a multi-robot system's probability of survival with respect to a desired mission. The resulting planning approach trades safety against efficiency in robotic operations and thereby offers a new perspective and tool to design and improve multi-robot missions. We use a simulated multi-robot planetary exploration mission to evaluate this approach and highlight an exemplary performance landscape.


翻译:虽然传统的机器人系统带有单一系统设计,但可重新配置的多机器人系统可以按需分享和转移物质资源,多机器人操作可受益于这种灵活性,根据当前的任务积极管理系统冗余,并有更多的办法应对故障事件。为支持这种对机器人系统冗余的积极利用,本文详细介绍了一种组织模式,作为与可重新配置的多机器人系统进行规划的基础。该模型允许在优化多机器人系统对所希望的任务的生存概率时利用冗余。由此产生的规划方法使机器人操作的安全与效率发生交易,从而提供了设计和改进多机器人任务的新视角和新工具。我们利用模拟多机器人行星探索任务来评估这一方法,并突出示范性性性性能景观。

0
下载
关闭预览

相关内容

《行为与认知机器人学》,241页pdf
专知会员服务
53+阅读 · 2021年4月11日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
7+阅读 · 2018年12月26日
VIP会员
相关资讯
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员