Agent-Based Emulation for Deploying Robot Swarm Behaviors

要約

重要な研究にもかかわらず、ロボットの群れは現実世界の問題の解決にはまだ役に立っていません。これは主に、マルチエージェント システムで群れの動作を作成および制御することが難しいためです。
望ましい創発的な動作を生成する従来のトップダウンのアプローチでは、多くの場合、複雑でリソースを大量に消費するロボットが必要となり、実用性が制限されます。
この論文では、身体化エージェントベースのモデリングとシミュレーションのアプローチを採用することによるボトムアップのアプローチを導入し、単純なロボットの使用と、自然に自己組織化された集団行動につながる条件の特定を強調します。
Reality-to-Simulation-to-Reality for Swarms (RSRS) プロセスを使用して、現実世界の実験とシミュレーションを緊密に統合して、sim2real のギャップを排除したり削減したりすることを目的とすることなく、既知の群れの動作を再現するだけでなく、新たな創発的な動作を発見します。
。
このペーパーでは、低忠実度の軽量シミュレーションを活用することで、物理的な群れ実験を実行する重要性と、20 台以上のロボットを使用して単一の実験をセットアップして実行するという法外に時間のかかるプロセスのバランスをとる、エージェントベースの実施形態とエミュレーション プロセスの開発について説明します。
物理実験を導くための仮説形成を可能にします。
文献からの 2 つの既知の動作をエミュレートすることによって私たちの方法の有用性を実証し、偶然「発見された」 3 番目の動作を示します。

要約(オリジナル)

Despite significant research, robotic swarms have yet to be useful in solving real-world problems, largely due to the difficulty of creating and controlling swarming behaviors in multi-agent systems. Traditional top-down approaches in which a desired emergent behavior is produced often require complex, resource-heavy robots, limiting their practicality. This paper introduces a bottom-up approach by employing an Embodied Agent-Based Modeling and Simulation approach, emphasizing the use of simple robots and identifying conditions that naturally lead to self-organized collective behaviors. Using the Reality-to-Simulation-to-Reality for Swarms (RSRS) process, we tightly integrate real-world experiments with simulations to reproduce known swarm behaviors as well as discovering a novel emergent behavior without aiming to eliminate or even reduce the sim2real gap. This paper presents the development of an Agent-Based Embodiment and Emulation process that balances the importance of running physical swarming experiments and the prohibitively time-consuming process of even setting up and running a single experiment with 20+ robots by leveraging low-fidelity lightweight simulations to enable hypothesis-formation to guide physical experiments. We demonstrate the usefulness of our methods by emulating two known behaviors from the literature and show a third behavior `discovered’ by accident.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google