在作为一个团队处理任务时，机器人应该能够协调他们的努力，例如，完成不同的子任务，监控目标环境的不同部分等等。因此，在过去几年中，计算机科学家一直在开发旨在协调团队中不同机器人的动作和行为的计算模型。

瑞典吕勒奥理工大学的研究人员最近推出了一种新的多代理协调方法，该方法将基于拍卖的任务与行为树相结合，行为树是计算机科学中经常用于执行计划的数学模型。这种方法在arXiv上预发表的一篇论文中介绍，被发现可以有效地组织多个机器人的动作，这些机器人正在努力实现一个共同的目标，特别是当它们完成跨越不同阶段的任务时。

“我们发现需要一种灵活和反应性的任务分配架构来协调多代理系统，”进行该研究的研究人员之一尼克拉斯·达尔奎斯特(NiklasDahlquist)告诉TechXplore。“我之前曾研究过行为树，这就是为什么我认为将它们与任务分配方案相结合可以产生一个灵活的框架，该框架还可以轻松集成新型任务和不同的代理。”

Dahlquist和他的同事开发的架构基于基于市场的方法，它支持拍卖的运作。从本质上讲，团队中的各个机器人代理会估算与处理需要完成的不同子任务相关的成本，并通过中央拍卖系统进行“投标”。随后，该拍卖系统分析这些“出价”并将最佳任务分配给每个代理人。

Dahlquist解释说：“我们的架构还有一个由行为树组成的本地层，它可以指导各个代理完成分配的任务。”“这带来的优势是，中央单元无需拥有关于系统的完整全球知识，所需要的只是来自代理的出价，而且它还减少了计算负担。”

图片来源：Dahlquist等人

与过去通常仅依赖拍卖理论或行为团队的其他模型相比，该研究团队提出的多代理协调架构可能具有显着优势。例如，通过分离任务分配和执行步骤，这种方法可以更容易地应用于包含具有不同能力的机器人代理的团队或包含非常不同的子任务的任务。

“这项工作最显着的收获是行为树与任务分配的集成，以允许合并多阶段任务，”Dahlquist说。“这提供了一个灵活且可扩展的架构，用于处理事先不知道特定任务的场景。”

Dalquist和他的同事在他们的实验室中使用几个TurtleBot3机器人在一系列实验中评估了他们的架构。他们的发现非常有希望，因为他们的方法可以在这些机器人共同处理简单任务时协调它们的努力。

未来，这种新架构可以在更复杂的场景中应用和测试，涉及不同类型的机器人或更广泛的子任务。此外，它可能会激发创建类似方法来协调不同代理人的努力。

“我们未来的工作将侧重于整合新型任务并引入异构代理，例如无人机，以及任务分配和行为树之间更复杂的耦合，”Dahlquist补充道。“我们还在努力通过在更现实的环境中进行更大规模的部署来证明可行性。”