自律型のドローン群れは、監視、環境モニタリング、インフラ点検といった用途で導入が進んでいる。こうした任務では、重要な対象物に対する信頼性の高いカバレッジを維持することが求められる。しかも、一部のロボットが故障してもカバレッジが途切れてはならない。Mariem Guitouni と Aaron T. Becker による本論文は、この課題を「マルチカバレッジ」として定式化している。すなわち、各対象物を複数のロボットが観測して冗長性を確保し、その必要数は対象物の重要度に応じて変えるという考え方である。
これまでの研究では、集中型の設定において整数計画法を用いてこの問題の最適解が求められてきた。しかし、実際の運用では集中型のアプローチには無視できない制約がある。ロボット間の通信距離は限られており、機載の計算能力もグローバルな計画立案を難しくする。さらに重要なのは、システムの一部に故障が生じても、任務全体を中止せずに継続できる必要があるという点である。こうした現実的な制約が、分散型の解法を必要としている。
本論文が提案する分散マルチカバレッジアルゴリズムは、ロボットが局所的なセンシング能力だけを持ち、限られた範囲でのみ相互通信し、全体を統括する調整役が存在しない環境を想定している。つまり群れは、中心となるノードからの指示なしに、各対象物の観測任務を自ら分担し、必要な冗長カバレッジを維持しなければならない。
この研究は ANTS 2026（国際群知能会議、Springer Nature 発行）に採択されており、分類はロボティクス（cs.RO）である。論文は2026年5月20日に arXiv へ投稿され、番号は arXiv:2605.21686v1。著者による公開情報では、PDF と実験的な HTML 版が提供され、TeX ソースも利用できる。
応用面での意義は、マルチカバレッジを理論上の最適解から、より実際の配備に近い分散実行の枠組みへと進めた点にある。通信や計算資源が制約され、個々のロボットが故障し得る状況でも、重要資産の観測をいかにして維持するかは、ドローン群れによる長期の監視や点検を継続できるかどうかを左右する重要な問題である。