Multi-Robot Exploration Controlled by a Market Economy María Poveda Villalón Robert Zlot, Anthony Stentz, M. Bernardine y Scott Thayer.

Presentación del tema: "Multi-Robot Exploration Controlled by a Market Economy María Poveda Villalón Robert Zlot, Anthony Stentz, M. Bernardine y Scott Thayer."— Transcripción de la presentación:

1 Multi-Robot Exploration Controlled by a Market Economy María Poveda Villalón Robert Zlot, Anthony Stentz, M. Bernardine y Scott Thayer

2 Índice Introducción Sistemas multirobots previos Enfoque Resultados Conclusiones y Líneas Futuras

3 Introducción Características  Fiable  Robusto  Eficiente Coordinación: negociaciones  ¿qué ocurre si no hay comunicación? Distribuido

4 Sistemas multirobots previos Balch y Arkin: Comunicación innecesaria. Los robots dejan un rastro Falta de claridad del rastro Coste de buscar el rastro No deseable dejar rastro ¿No es una forma de comunicación indirecta? Simmons et. al.: Subasta de celdas Agente central egoísta (resultados bastante óptimos) Si cae el agente central todo cae Un robot incomunicado no hace nada Latimer et. al.: Barrido en paralelo Garantiza cobertura ¿necesaria? Necesita demasiada coordinación Si se cae un robot podría no hacerse su tarea Rekleitis et. al.: Seguimiento visual Algunos robots siempre están parados Si un robot cae otros pueden ser inutiles Necesita demasiada coordinación Yamauchi: Basado en fronteras Distribuido, asíncrono y tolerante al fallo de un robot Podría aparecer un líder Demasiada información para compartir Cubrir más área en menos tiempo Robusto ante caídas de un robot aislado Pero sólo unos pocos enfoques se basan en multirobots

5 Enfoque (I) Coordinación mediante negociaciones  Función de coste: distancia  Función de ingresos: información obtenida  Beneficio: ingresos – coste Selección de objetivos  Estrategias Aleatorio Egoista Quadtree  Objetivos inalcanzables se descartan Poco intercambio de información Elección de objetivos muy simple

6 Enfoque (II) Algoritmo de exploración  Generar objetivos  Verificar que son nuevos objetivos (este paso se puede saltar)  Ordenar objetivos  Subastar-Comprar objetivos. B i = P r + α * (v i – P r ) ¿Podría sacarse beneficio del parámetro α? Comprar 2 objetivos igual de cercanos pero alejados entre si Comprar 2 objetivos iguales  ¿Vender objetivos más de una vez? ¿Por qué funciona este sencillo método? El robot que gana la subasta suele ser el más apto.

7 Enfoque (III) Información compartida  No es crucial pero ayuda la eficiencia  Si un robot subasta un objetivo cerca de otro robot éste lo gana  Si se subasta un objetivo en una zona visitada por otro robot, este avisa al subastador  Se pueden vender porciones del mapa  Los robots se separan  Información sobre el área recorrida

8 Resultados (I) Field Robotic Center con obstáculos Espacio abierto con muros y mesas Field Robotic Center con obstáculos Sala de conferencias de un hotel con 25 mesas y más de 100 personas

9 Resultados (II) 4 robots Media de 10 ejecuciones Descartado el mejor y peor valor Los objetivos se elegidos están dispersos por toda la superficie. No se aprovechan las ventajas de la negociación. Cada robot es casi siempre el mejor para sus objetivos. Los robots recorren la superficie concurrentemente, pero no eficientemente. La comunicación puede aumentar la eficiencia proporcionalmente al número de robots. Ej: 3.4 con 4 robots

10 Conclusiones y Líneas Futuras El sistema es  Fiable  Robusto  Eficiente Se maximizan beneficios minimizando costes a través de las negociaciones Arquitectura distribuida La negociación mejora la eficiencia del sistema Se pueden usar otras funciones de coste (ej: velocidad) Combinar funciones de coste (ej: usar eficientemente un conjunto de recursos) Aprendizaje para mejorar la comunicación Tratamiento de los objetivos de robots perdidos

11 Multi-Robot Exploration Controlled by a Market Economy María Poveda Villalón