Collective Bayesian Decision-Making in a Swarm of Miniaturized Robots for Surface Inspection

机器人群可以有效地服务于各种感知和检测应用。某些检测任务需要进行二元分类决策。本文提出了一种基于振动感知的表面检测任务的实验设置，并研究了一种贝叶斯二元决策算法在小型轮式机器人群中的应用。机器人被赋予单独检查和集体分类一个1mx1m的瓷砖表面的任务，该表面由振动和非振动瓷砖组成，基于大多数瓷砖类型进行分类。机器人使用板载IMU感知振动，并使用一组红外传感器进行碰撞避免。我们开发了一个模拟和优化框架，利用Webots机器人模拟器和粒子群优化（PSO）方法。我们考虑了两种现有的信息共享策略，并提出了一种新的策略，使机器人群能够快速达成准确的分类决策。我们首先找到了在模拟中允许高效采样的最优参数，然后使用100个随机模拟和10个实际实验来评估我们提出的策略与两种现有策略的差异。我们发现，我们提出的方法促使机器人群以加速的速度做出决策，在准确度仅损失0.78%的情况下，平均决策时间提高了高达20.52%。

本文旨在解决机器人群体在振动感知表面检测任务中的二元分类决策问题。

本文提出了一种新的信息共享策略，通过基于振动感知和决策算法的实验设置，使机器人群体能够快速准确地分类检测表面上的振动和非振动瓷砖。

本文使用Webots机器人模拟器和PSO方法开发了模拟和优化框架。作者提出的新的信息共享策略在实验中表现出更快的决策速度和较小的精度损失。实验结果表明，机器人群体在表面检测任务中具有很好的应用前景。

最近的相关研究包括：1.《Swarm Robotics: A Review from the Swarm Engineering Perspective》；2.《A Survey on Multi-Robot Systems》；3.《Decentralized Control and Motion Planning of Multiple Mobile Robots》等。