Learning from Evolution: Improving Collective Decision-Making Mechanisms using Insights from Evolutionary Robotics

集体决策使得多机器人系统能够在真实环境中自主行动。现有的集体决策机制存在所谓的速度与准确性权衡或依赖于高复杂度，例如包括全局通信。最近的研究表明，利用进化计算方法可以生成基于人工神经网络的更有效的集体决策机制。这些决策神经网络的主要缺点是它们的解释能力有限。分析进化的决策机制可以帮助我们提高手工编码决策机制的效率，同时保持更高的解释能力。在本文中，我们详细分析了进化的集体决策机制，并基于所得的见解手工编码了两种新的决策机制。在基准实验中，我们展示了新实现的集体决策机制比最先进的集体决策机制投票模型和多数规则更加高效。

本论文旨在解决多机器人集体决策中速度与准确性的平衡问题，以及通过分析进化决策机制来提高手工编码决策机制的效率和可解释性。

通过进化计算生成基于人工神经网络的集体决策机制，并分析这些机制来手工编码出新的决策机制，实现更高效的多机器人集体决策。

本论文通过实验验证了新的决策机制的有效性，比现有的投票模型和多数规则更高效。此外，论文还强调了通过分析进化决策机制来提高手工编码决策机制效率和可解释性的重要性。

与本论文相关的研究包括使用进化计算生成人工神经网络的其他应用，以及多机器人系统中的集体决策机制研究，例如“Evolving Neural Networks through Augmenting Topologies”和“Swarm Intelligence in Multi-robot Systems: A Survey”。