Modular, Resilient, and Scalable System Design Approaches -- Lessons learned in the years after DARPA Subterranean Challenge

该段落讲述了在搜索和救援等领域中，机器人需要在大型未知区域中操作，这些环境带来了独特的挑战，使机器人操作员面临更大的困难。使用经过精心设计的自主多机器人团队可以帮助减轻操作员的工作负担，并允许操作员有效地协调机器人的能力。本文介绍了一种旨在优化多机器人场景下机器人自主和操作员体验的系统架构。该架构强调模块化和互操作性，借鉴了作者团队参加DARPA SubT挑战赛中所学到的经验。我们通过允许可调节的自主水平（“滑动模式自主”）来赋予操作员权力。我们使用直观的自适应界面来增强操作员体验，该界面提供上下文感知的操作建议，以简化控制。最后，我们描述了所提出的架构如何使新功能的开发变得简单，以实现机器人自主在现场的有效部署。

本文旨在解决机器人在大型未知区域中进行搜索和救援等任务时遇到的困难，提出了一种优化机器人自主性和操作员体验的系统架构。

本文提出的系统架构强调模块化和互操作性，通过可调节的自主性和直观的自适应界面来提高操作员的体验。同时，该架构还能够简化机器人自主性的新能力的开发。

本文的亮点包括使用多机器人团队和滑动模式自主性来减轻操作员负担，使用直观的自适应界面来简化控制，以及强调模块化和互操作性来简化新能力的开发。

最近在这个领域中，还有一些相关的研究，如基于深度学习的机器人自主性、多机器人协作等。