机器人的集体操作,例如以团队或群为单位运行的无人机(UAV),受其个人功能的影响,这反过来又取决于其物理设计,也就是形态。但是,除了一些(尽管临时)进化机器人技术方法外,在理解形态和集体行为的相互作用方面几乎没有工作。特别缺乏计算框架来同时寻找机器人形态和其行为模型的超参数,这些模型共同优化了集体(团队)绩效。为了解决这一差距,本文提出了一个新的共同设计框架。在这里,通过新颖的``人才''指标有效地缓解了原本嵌套的形态/行为共同设计的爆炸计算成本;同时,与典型的亚最佳顺序形态$ \ $ $ to $ $ to Craging to $行为设计相比,还允许明显更好的解决方案方法。该框架包括四个主要步骤:人才指标的选择,人才帕累托探索(多目标形态优化过程),行为优化和形态学最终确定。通过将其应用于设计无用的无人机,可以证明这种共同设计的概念团队本地化信号源,例如在受害者搜索和危害本地化中。在这里,集体行为是由最近报道的批评贝叶斯搜索算法的驱动的,称为贝叶斯 - 工作。我们的案例研究表明,共同设计的结果可显着更高的成功。与基线设计相比,信号源定位的速率,各种信号环境和团队6至15个无人机。此外,与预测的嵌套设计方法相比,该共同设计过程提供了两个降低计算时间的数量级。
translated by 谷歌翻译