Optimizing Swarm Robotics for Collaborative Task Execution in Dynamic Environments
الكلمات المفتاحية:
Swarm Robotics، Distributed Systems، Collaborative Task Execution، Particle Swarm Optimization (PSO)، Ant Colony Optimization (ACO)الملخص
يتناول هذا البحث تحسين أنظمة الروبوتات السربية - التي تتكون من عدة روبوتات أساسية مستقلة تتعاون دون تحكم مركزي - لتنفيذ مهام تعاونية في بيئات
معقدة وديناميكية. يركز البحث على دمج الخوارزميات الموزعة، وبروتوكولات الاتصال الآني، ونماذج اتخاذ القرار التكيفية مثل تحسين سرب الجسيمات
بالاعتماد على مفاهيم من هندسة الحاسوب والذكاء الاصطناعي. يتم محاكاة أسراب من ،)RL( والتعلم المعزز ،)ACO( وتحسين مستعمرات النمل ،)PSO(
50 إلى 200 روبوت في بيئات افتراضية متنوعة كجزء من تقنية تقييم الأداء في عدد من المجالات، مثل وقت إنجاز المهمة، وكفاءة الطاقة، وزمن وصول
الاتصالات، وقابلية التوسع، وتحمل الأخطاء. تُظهر النتائج أن أداء الأسراب القائمة على التعلم المعزز أفضل من النماذج التقليدية من حيث الكفاءة والمتانة
والمرونة، خاصةً عند مواجهة أهداف متغيرة، أو عوائق مُعاد تكوينها، أو تعطل جزئي للنظام. تُشدد الورقة البحثية أيضًا على أهمية الاتصالات اللامركزية،
والجدولة المُراعية للطاقة، والتصميم المشترك بين الأجهزة والبرمجيات في تحقيق سلوك أسراب مرن وقابل للتطوير. تهدف الدراسة إلى سد الفجوة بين
المحاكاة والتطبيق العملي من خلال توفير إطار عمل أساسي لاستخدام روبوتات الأسراب في مجالات مثل التوصيل الذاتي، والمراقبة البيئية، والزراعة الذكية،
والاستجابة للطوارئ. وتستند الدراسة إلى تجارب عملية، مثل عرض الأضواء المتزامن لعشرة آلاف طائرة بدون طيار في الصين.
.)ACO( تحسين مستعمرة النمل - )PSO( الكلمات المفتاحية: روبوتات السرب - الأنظمة الموزعة - تنفيذ المهام التعاونية - تحسين سرب الجسيمات
التنزيلات
المراجع
1 Lhotska, L., Macaš, M., & Burša, M. (2006, September). PSO and ACO in Optimization Problems.
In International conference on intelligent data engineering and automated learning (pp. 1390-
1398). Berlin, Heidelberg: Springer Berlin Heidelberg.
2 Berman, S., Halász, A., Hsieh, M. A., & Kumar, V. (2009). Optimized stochastic policies for task
allocation in swarms of robots. IEEE transactions on robotics, 25(4), 927-937.
3 Lung, R. I., & Dumitrescu, D. (2010). Evolutionary swarm cooperative optimization in dynamic
environments. Natural Computing, 9(1), 83-94.
4 Moser I, Hendtlass T (2007) A simple and efficient multi-component algorithm for solving dynamic
function optimisation problems. CEC 2007, IEEE congress on evolutionary computation, pp 252-259.
5 Jin Y, Branke J (2005) Evolutionary optimization in uncertain environments a survey. IEEE Trans
Evol
Comput 9(3):pp: 303-317
6 Hawick, K. A., James, H. A., Story, J. E., & Shepherd, R. G. (2002). An architecture for swarm
robots. Computer Science Division, School of Informatics University of Wales, North Wales, UK. pp:
1-7.
7 Zabojnik, J. (2002). Centralized and decentralized decision making in organizations. Journal of labor
economics, 20(1), 1-22.
8 Liu, W., Winfield, A. F., Sa, J., Chen, J., & Dou, L. (2007). Towards energy optimization: Emergent
task allocation in a swarm of foraging robots. Adaptive behavior, 15(3), 289-305.
9 Berman, S., Halász, A., Hsieh, M. A., & Kumar, V. (2009). Optimized stochastic policies for task
allocation in swarms of robots. IEEE transactions on robotics, 25(4), 927-937.
10 Lung, R. I., & Dumitrescu, D. (2010). Evolutionary swarm cooperative optimization in dynamic
environments Previous reference , 83-94.
11 Yi, X., Zhu, A., Yang, S. X., & Luo, C. (2016). A bio-inspired approach to task assignment of swarm
robots in 3-D dynamic environments. IEEE transactions on cybernetics, 47(4), 974-983.
12 Keerthi, K. S., Mahapatra, B., & Menon, V. G. (2020). Into the world of underwater swarm robotics:
Architecture, communication, applications and challenges. Recent Advances in Computer Science
and Communications (Formerly: Recent Patents on Computer Science), 13(2), 110-119.
13 Johnvictor, A. C., Durgamahanthi, V., Pariti Venkata, R. M., & Jethi, N. (2022). Critical review of
bio‐inspired optimization techniques. Wiley Interdisciplinary Reviews: Computational
Statistics, 14(1), e1528.
14 Debie, E., Kasmarik, K., & Garratt, M. (2023). Swarm robotics: A Survey from a Multi-tasking
Perspective. ACM Computing Surveys, 56(2), 1-38.
15 Debie, E., Kasmarik, K., & Garratt, M. (2023). Swarm robotics: A Survey from a Multi-tasking
Perspective. ACM Computing Surveys, 56(2), 1-38.
التنزيلات
منشور
إصدار
القسم
الرخصة
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
