arXiv cs.MA· Yoonjae Hwang, Hojune Kim, Ellen Novoseller, Guangyao Shi, Gaurav S. Sukhatme·· 6 天前AI 评分18
基于 k-连通约束子模最大化的容错多机器人协同
Failure-Resilient Multi-Robot Coordination with $k$-Connectivity Constrained Submodular Maximization
AI 导读
研究者提出 Resilient k-Connected Submodular Maximization，将任务性能、容错性与通信连通性纳入统一框架，解决机器人失效导致幸存团队通信断连、无法继续协同的问题。
正文 · AI 翻译
摘要：多机器人协调在覆盖、目标跟踪和信息收集等应用中至关重要，其中机器人必须联合选择动作以最大化团队性能。子模最大化为此类协调提供了有效框架，而弹性变体进一步考虑了机器人故障或对抗性移除。然而，现有方法通常忽略机器人损失对通信网络的影响，这可能导致幸存团队失联并阻碍持续协调。为解决这一问题，我们引入了弹性 $k$-连通子模最大化，它同时考虑任务性能、弹性和通信连通性。由此产生的可行族不是拟阵，因此无法直接应用经典的曲率贪心保证。我们通过基于 Menger 的连通性归约、带有保持可行性回退的连通性感知贪心算法，以及一种新的基于曲率的分析来克服这一挑战，该分析通过单一因子 $\rho$ 捕捉强制连通性的代价。我们的方法在最坏情况下，故障后目标值可达到最优连通性尊重弹性分配目标的 $[\max(1-\nu_f(\mathcal{I}),h(N,\beta))]^2 \rho \frac{1}{\kappa_f}(1-e^{-\kappa_f})$ 倍以内，同时在适当极限下恢复经典的无约束保证。多机器人目标跟踪实验验证了所提方法，并刻画了连通性约束的实际影响。
| 主题： | 机器人学（cs.RO）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.13049 [cs.RO] |
| （或 arXiv:2610.13049v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13049 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Yoonjae Hwang [查看电子邮件]
[v1]
2026年10月9日星期五 06:04:45 UTC（3,708 KB）
来源：arXiv cs.MA · arxiv.org