礼貌预判让机器人在共享空间中规划更优、避免冲突

本文提出礼貌预判规划框架，帮助机器人在长期运行的共享环境中通过推理其他机器人的能力及可能被分配的任务，降低累积任务完成成本。

引言

在家庭和餐厅等持续共享环境中，多台机器人须在长时间跨度内运行，且缺乏明确的任务分配。现有任务规划方法要么独立对待每个机器人，要么要求完全协同，两者都会导致高累积成本。礼貌预判使机器人能够基于对其他智能体未来任务成本的预估主动调整自身规划，从而降低系统整体开销。

相关工作

以往多机器人任务规划研究集中在集中式分配或反应式碰撞避免上。这些方法难以扩展到任务持续出现的长期场景。预判规划方法可为单机器人估计未来成本，但忽略了空间中其他智能体的存在。礼貌预判通过将各机器人未来成本估计聚合为统一规划目标来弥合这一差距。

问题形式化

我们考虑一个持续共享环境，其中有N台机器人，任务随时间陆续到达。每台机器人i拥有一组能力，可执行部分任务。目标是最小化所有机器人针对所有任务的累积成本，成本反映时间、能耗或资源消耗。系统为分散式，无显式协调协议。

方法

预判成本估计

每台机器人维护一个学习型估计器，用于根据环境当前状态预测其自身未来任务的预期成本。该估计器采用神经网络架构，将状态特征映射为标量成本预测，并基于历史任务数据训练。

分解形式

我们避免计算所有机器人的联合展开（这在计算上不可行），而是对问题进行分解。每台机器人独立计算自身预判成本估计，然后将这些估计聚合成单个规划目标。这允许模块化部署，无需重新训练现有估计器。

礼貌规划目标

每台机器人的规划目标结合了即时任务成本和所有机器人的聚合未来成本贡献。机器人选择既能最小化自身也能最小化他人预期未来成本的任务，从而表现出“礼貌”，避免增加队友的负担。

实验与结果

我们在两个复杂度递增的模拟环境中评估礼貌预判规划。在家庭环境中，即使没有能力差异，礼貌预判也能提升性能。在餐厅环境中，机器人具备不同能力和职责，实验结果证实能力差异会放大礼貌预判的价值。

我们在两个环境中对比三种方案：

1. 经典规划（FastDownward）
2. 仅基于执行机器人自身预判成本估计的规划，降低该机器人未来任务成本但忽略其他共享环境的机器人
3. 我们的方法：基于聚合的各机器人预判成本估计的规划，考虑所有共享环境的机器人

100次模拟运行的平均累积成本。数值越低越好。

局限与未来工作

我们提出了礼貌预判规划框架，通过推理其他机器人的能力及其可能被分配的任务，降低持续共享环境中的累积成本。我们的分解形式独立估计每台机器人的预期未来成本，避免了组合性的联合展开，并支持模块化部署而无需重新训练现有估计器。在两个复杂度递增的环境中，餐厅场景下的增益放大直接验证了差异化能力会放大礼貌预判的价值。

在未来的工作中，我们计划将礼貌预判规划扩展到并发场景，即多台机器人同时行动，且需要对重叠调度进行时间规划。

常见问题

礼貌预判与传统多机器人规划有何不同？ 传统方法要么需要集中式协调，要么独立对待每个机器人，而礼貌预判通过将各机器人成本估计聚合为分散式规划目标来运作。

该框架如何随机器人数量扩展？ 分解形式避免了组合性的联合展开，使计算可行，因为每台机器人只需自身的成本估计器。

新机器人加入时是否需要重新训练？ 不需要，模块化设计允许现有估计器保持不变，只需将新机器人的估计纳入聚合函数即可。

哪类任务最能从礼貌预判中受益？ 在具有不同机器人能力的共享环境（例如不同机器人担任不同角色的餐厅）中的任务，会显示出放大的收益。