面向多機器人海洋自主系統模擬與真實部署的多目標合規整合協同進化
本文提出了一種名為MMOCIC的多目標框架，將協同進化行為與合規行為融合，在最大化團隊進展與最小化規範違反之間取得平衡。其核心創新在於將學習過程與合規解耦，因為操作規範是預設而非發現的。在最多8個機器人的硬體部署和12個機器人的模擬中，該框架在協作救援任務中實現了高團隊效能並避免了碰撞。
近日，arXiv上發表了一項關於多機器人海洋自主系統的重要研究，論文標題為《Multi-Objective Compliance-Integrated Coevolution For Simulated And Real-World Deployment Of Multi-Robot Marine Autonomy》，作者包括Everardo Gonzalez等六位研究人員。該論文提出了一種名為“海洋多目標合規整合協同進化”（MMOCIC）的新穎框架，旨在解決協作機器人在海洋任務中面臨的獨特挑戰。
海洋任務，如未知礁石結構的探索、海底基礎設施的檢查或搜救行動，通常需要多臺機器人協同工作。然而，這類任務往往提供稀疏的反饋訊號來衡量進展，同時必須嚴格遵守安全和監管規範。這本質上是一個多目標最佳化問題：需要在最大化團隊任務進展和最小化規範違反之間取得平衡。傳統的協同進化演算法雖然能夠處理稀疏反饋並生成協調行為，甚至在某些情況下擴充套件到多目標，但在動態融合高層團隊目標與低層合規考慮方面仍存在侷限。
MMOCIC框架的核心洞察在於將學習與合規解耦。由於操作規範是預先制定的，而非透過探索發現，因此合規行為可以獨立於學習過程進行最佳化。MMOCIC透過融合協同進化行為與合規行為，實現了團隊進展最大化與規範違反最小化的平衡。具體而言，該框架利用協同進化演算法生成行為，同時引入獨立的合規行為模組，確保團隊在追求任務目標時不違反預設規範。
研究團隊透過一個協作游泳者救援任務驗證了MMOCIC的有效性。在硬體部署中，最多使用了8臺機器人，而在模擬中則擴充套件至12臺。實驗結果表明，採用MMOCIC的機器人團隊能夠在避免碰撞的同時保持高任務績效。這一成果不僅證明了框架的可行性，也展示了其在現實場景中的穩健性。
論文指出，MMOCIC作為一個通用框架，可適用於多種需要學習型協調的實際部署場景。其貢獻在於提供了一種將團隊整體最佳化與既定規範相結合的方法，為海洋自主系統的安全高效執行開闢了新途徑。未來工作可能包括將MMOCIC擴充套件到更復雜的任務環境，以及更大規模的多機器人互動場景。該研究為海洋機器人領域的自主協同控制提供了重要參考，有望推動搜救、環境監測和基礎設施檢查等應用的發展。