Closing the Gap in Swarm Robotics Simulations: An Extended Ardupilot/Gazebo plugin
Edinburgh Centre for Robotics（爱丁堡机器人中心）
这项工作提供了Ardupilot的能力的扩展，使研究人员能够在机器人操作系统（ROS）/露台模拟中开发群机器人应用程序。Ardupilot是一款用于自主空中、陆地和水下机器人自动驾驶功能的工具。然而，最初的Ardupilot并不是为群体机器人领域的应用而设计的。因此，本文的主要贡献是赋予Ardupilot处理群机器人仿真的能力，包括制造商的描述文件的重构。这项工作提供了一个全面的和现实的仿真测试平台，用于ROS/Ardupilot伞下的群机器人应用，使用现有的现成的Erdibotics的erlecopter无人机。
2018-11-16 cs.RO
Past, Present, and Future of Swarm Robotics
Heinrich Heine University Düsseldorf（杜塞尔多夫海因里希·海涅大学）；Honda Research Institute Europe GmbH（本田欧洲研究院有限公司）
群机器人是一个新兴的领域，适应自然群体的现象，机器人。这是一项机器人研究，旨在模仿自然群体，如蚂蚁和鸟类，以形成一个可扩展，灵活和强大的系统。这些机器人表现出自我组织、自治、合作和相互协调。成本和设计复杂性因素旨在保持低水平，因此试图形成与自然蜂群非常相似的系统。机器人在没有任何中央实体来控制它们的情况下操作，并且机器人之间的通信可以是直接的（机器人到机器人）或间接的（机器人到环境）。群机器人有着广泛的应用领域，从简单的家务到军事任务。本文回顾了群体机器人方法的历史和未来。它讨论了群体机器人的基本思想，它的重要特征，模拟器，项目，现实生活中的应用和一些未来的想法。
2021-01-03 cs.MA cs.RO
A Comprehensive Review of Shepherding as a Bio-inspired Swarm-Robotics Guidance Approach
University of New South Wales（新南威尔士大学）；Australian Defence Science and Technology (DST) Group（澳大利亚国防科技集团）
本文全面综述了受牧羊犬行为启发的群体牧羊控制技术，探讨其在仿真及无人车辆与机器人控制中的研究进展，揭示该方法未来在众多机器人系统中的应用优势与潜力。
2020-04-30 cs.AI cs.RO cs.SY
Design of a Formation Control System to Assist Human Operators in Flying a Swarm of Robotic Blimps
Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（香港科技大学电子与计算机工程系）；School of Software Engineering, Beijing Jiaotong University（北京交通大学软件学院）；Department of Electronic Engineering, Sunchon National University（全州国立大学电子工程系）；Department of Computer Science, Emory University（埃默里大学计算机科学系）
针对室内机器人飞艇集群，本文设计带动态领航者切换的领航者—跟随者编队控制系统，由人工仅控制领航者、跟随者依靠机载视觉与激光高度计自主定位，实验证明其能在急转弯等场景中稳定编队并减轻操作负担。
2025-05-14 cs.MA cs.RO cs.SY
Optimizing robotic swarm based construction tasks
University of Moratuwa（莫拉图瓦大学）
自然界中的社会性昆虫，如蚂蚁、白蚁和蜜蜂，在一个非常有效的过程中合作构建它们的殖民地。在这些昆虫群中，每只昆虫都对建造任务做出贡献，表现出个体实体的冗余和平行行为。但是，由于现有的群体机器人构建方法的局限性，这些群体行为的机器人适应尚未以足够大的规模广泛应用于现实世界。本文提出了一种方法，结合现有的群体建设的方法，在一个群体机器人系统的结果，能够构建一个给定的2维形状以优化的方式。
2021-06-17 cs.AI cs.MA cs.RO
Socially Inspired Communication in Swarm Robotics
University of Minnesota（明尼苏达大学）
群体中的局部通信已被证明在某些情况下通过允许额外的合作机会来提高群体的有效性。然而，交流和利用可能过时的信息也是一个令人关切的问题。我们提出了一个明确的非定向的基于目标的通信模型和消息接受/拒绝计划，并测试我们的模型在一组对象收集实验与一群机器人。实验的结果表明，即使是低水平的沟通群体的目标优于高水平的随机信息沟通。
2019-06-03 cs.RO
Augmented Reality for Human-Swarm Interaction in a Swarm-Robotic Chemistry Simulation
University of Colorado at Boulder（科罗拉多大学博尔德分校）
我们提出了一种方法来注册一个机器人群体的个体成员在增强现实显示，同时显示有关群体动态的用户，否则将被隐藏的相关信息。同一群中的个体成员和集群通过它们的颜色来识别，并且通过以特定的时间间隔闪烁来识别，该时间间隔与它们的邻居闪烁的时间间隔不同。我们表明，这个问题是一个实例的图着色问题，它可以在O（log（n））的时间在分布式的方式解决。我们展示了我们的方法，使用群体化学模拟，其中机器人模拟单个原子，形成分子的化学规则。然后，使用增强现实来显示有关单个群成员的内部状态以及它们的拓扑关系（对应于分子键）的信息。
2019-12-02 cs.CV cs.RO
An Efficient Real-Time Planning Method for Swarm Robotics Based on an Optimal Virtual Tube
School of Automation Science and Electrical Engineering, Beihang University（自动化科学与电气工程学院，北京航空航天大学）
本文提出结合集中式最优虚拟管规划与分布式控制的群体机器人轨迹规划框架，实现低计算量高频率重规划，融合多步与反应式规划的优势。
2026-04-24 cs.RO cs.SY eess.SY
DOTS: An Open Testbed for Industrial Swarm Robotic Solutions
University of Bristol（布里斯托大学）；Toshiba Research（东芝研究院）
我们提出了DOTS，一个新的开放获取的测试平台，用于工业群体机器人实验。它由20个快速敏捷的机器人组成，具有高传感和计算性能，以及真实世界的有效载荷能力。他们被安置在一个配备私人5G，动作捕捉，多个摄像头的竞技场中，并通过在线门户网站开放访问。我们通过提供一个完整的平台无关的管道来开发，模拟和部署实验应用程序到群，从而降低了进入门槛。我们通过一个集群物流应用展示了测试平台的功能，可以自主可靠地搜索和检索多个货运承运人。
2022-03-25 cs.RO
Adaptive Coordinated Motion Control for Swarm Robotics Based on Brain Storm Optimization
Southern University of Science and Technology（南方科技大学）
群体机器人的协调运动控制旨在确保空间中成员的一致性，即，群中的机器人执行协调运动以维持空间结构。这个问题可以建模为跟踪控制问题，其中群体中的个体在考虑特定的相对距离或方向的情况下跟随目标位置。为了降低通信开销，可以利用PID控制器在不需要先导速度信息的情况下实现先导-跟随跟踪控制任务。然而，控制器的参数需要进行优化，以适应情况的变化，如不同的群体人口，目标的变化被跟踪，和防碰撞的要求等，在这封信中，我们采用了一种改进的头脑风暴优化（BSO）算法的增量PID跟踪控制器，以获得相对最优的参数自适应的主从编队控制的群体机器人。仿真结果表明，该方法能够在机器人运动过程中达到最优参数。该方法具有灵活性和可扩展性，能够适应不同的应用场景，为群体机器人的协调运动控制提供了一种新的选择。
2021-05-27 cs.RO
SwarmDiff: Swarm Robotic Trajectory Planning in Cluttered Environments via Diffusion Transformer
Department of Advanced Manufacturing and Robotics, College of Engineering, Peking University（先进制造与机器人系，工程学院，北京大学）；Department of Computer Science, The University of Hong Kong（计算机科学系，香港大学）
针对杂乱环境中群体机器人轨迹规划的效率、扩展性与安全挑战，提出分层生成框架SwarmDiff，结合PDF建模、条件扩散、CVaR和DiT实现高效安全的轨迹规划，性能优于现有方法。
2025-05-21 cs.MA cs.RO
Fly Safe: Aerial Swarm Robotics using Force Field Particle Swarm Optimisation
University of Liverpool（利物浦大学）
粒子群优化（PSO）是一种功能强大的优化算法，可用于在搜索空间中定位全局最大值。最近的兴趣在成群的微型飞行器（MAVs）回避了一个问题，即粒子群优化算法是否可以被用来作为一种方法，使真正的机器人群来定位一个目标的目标点。然而，原始的PSO算法在搜索过程中没有考虑粒子之间的碰撞。在本文中，我们提出了一种新的算法称为力场粒子群优化（FFPSO），指定排斥力场粒子，使这些领域提供了一个额外的速度分量到原来的PSO方程。我们比较了FFPSO与PSO的性能，表明它有能力将搜索过程中的粒子碰撞次数减少到0，同时也能够在类似的时间内找到感兴趣的目标。该算法的可扩展性也证明了通过一组实验，考虑如何崩溃的数量和所需的时间，以找到目标的变化，根据群体的大小。最后，我们证明了算法的适用性上的一群真正的微型飞行器。
2019-07-17 cs.RO
Robotic Hierarchical Graph Neurons. A novel implementation of HGN for swarm robotic behaviour control
Monash University（莫纳什大学）；Defence Science and Technology Group（国防科学技术集团）；Sensor Analytics（传感器分析公司）
本文探讨了使用一种新形式的层次图神经元（HGN）在操作行为选择的机器人代理群。这种新的HGN被称为Robotic-HGN（R-HGN），因为它通过融合来自时间和群内集合的匹配概率来将机器人环境观测与环境标签相匹配。这种方法对于HGN来说是新颖的，因为它解决了机器人观测是伪连续数字，而不是分类值。此外，所提出的方法是存储器和计算功率保守的，因此是可以接受的，用于移动设备，如单板计算机，这是经常使用的移动机器人代理。该R-HGN方法针对个体行为实现和随机行为选择进行了验证。这种对比是在两组模拟环境中进行的：旨在挑战R-HGN行为的环境，以及随机生成的环境，这些环境对机器人群来说比R-HGN训练条件更具挑战性。已经发现R-HGN能够在这两个集合中进行适当的行为选择，从而在预先训练和意外的环境条件下实现显著的群体性能。
2019-10-28 cs.AI cs.MA cs.RO
AprilTags 3D: Dynamic Fiducial Markers for Robust Pose Estimation in Highly Reflective Environments and Indirect Communication in Swarm Robotics
MIT（麻省理工学院）
虽然基准标记在实验室条件下给出了精确的姿态估计，其中噪声因素得到控制，但在现场机器人应用中使用它们仍然是一个挑战。这受限于基准标记器系统，因为它们仅在RGB图像空间内工作。结果，图像中的噪声产生大的姿态估计误差。在机器人应用中，基准标记主要以其原始和简单的形式使用，如印刷纸张中的平面。这种设置对于基本的视觉伺服和增强现实应用是足够的，但对于复杂的群机器人应用是不够的，在这些应用中，设置由多个动态标记（显示在LCD屏幕上的标签）组成。本文介绍了一种新的方法，称为AprilTags3D，提高姿态估计精度的AprilTags在现场机器人只有RGB传感器，通过添加第三个维度的标记检测器。此外，提出了实验结果，从应用所提出的方法来集群自主机器人船之间的锁定，并创建机器人编队。
2020-01-11 cs.RO
A Unified Stochastic Mechanism Underlying Collective Behavior in Ants, Physical Systems, and Robotic Swarms
Computer Science and Artificial Intelligence Laboratory, MIT, MA, US（麻省理工学院计算机科学与人工智能实验室）；The International Institute for Industrial Environmental Economics, Lund University, Sweden（隆德大学国际工业环境经济研究所）
本文通过蚂蚁实验揭示生物与物理系统共享“不同能量函数约束下最大化”的随机机制，并据此构建统一随机模型，使机器人集群能以极低个体计算实现可扩展、去中心化的相变式合作。
2025-11-08 cs.RO
Securing emergent behaviour in swarm robotics
University of Surrey（萨里大学）；Royal Holloway, University of London（伦敦大学皇家霍洛威学院）
群机器人是研究如何设计大量相对简单的机器人，以便从机器人之间以及机器人与环境之间的局部交互中产生所需的集体行为。虽然一个群体的许多方面可以被建模为各种类型的ad hoc网络，因此，许多方面的安全的群体可以通过传统的手段来实现，在这里，我们将集中在群体的紧急行为，最区别于ad hoc网络的群体机器人。我们讨论了紧急行为对通信安全带来的挑战，并通过按机器人类型，通信渠道类型和对手类型对群进行分类，我们研究了哪些类别可以通过传统方法进行保护，并专注于与允许紧急行为最相关的方面。我们将研究如何通过确保通信安全来确保这一点。我们提出了一个简单的解决方案，使用散列链，并通过建模群通信使用一系列随机图，我们表明，这使我们能够识别流氓机器人的概率很高。
2021-02-05 cs.CR cs.RO
End-to-End Design for Self-Reconfigurable Heterogeneous Robotic Swarms
University of Turku（图尔库大学）；Aalto University（阿尔托大学）
更广泛的应用需要机器人群在现实世界的应用中更加灵活。在需要实时处理大量数据和高度态势感知的复杂场景中，仍然存在多种挑战。在这个方向上的选择是有限的，在现有的机器人群，大多是同质的机器人有限的操作和重新配置的灵活性。我们通过将弹性计算技术和动态资源管理从边缘云计算领域引入群机器人领域来解决这个问题。这使得群体中的集体能力的动态供应能够用于不同的应用。因此，我们将群转换为能够执行复杂数据处理任务的分布式传感和计算平台，然后可以将其作为服务提供。特别是，我们讨论了如何将其应用于自适应资源管理的异构群的无人机，以及我们如何实现分布式数据处理算法的动态部署。通过构建在可重构硬件和容器化服务上的弹性无人机群，将有可能提高异构机器人群的自我意识、智能程度和自主水平。我们描述了新的方向合作的看法，和新的方式与机器人群体的互动。
2020-04-29 cs.DC cs.MA cs.RO
Robust Barrier Functions for a Fully Autonomous, Remotely Accessible Swarm-Robotics Testbed
Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所）
Robotarium是一个可远程访问的群集机器人测试平台，它为数以百计的用户提供了免费的、开放获取的机器人技术和控制研究，进行了数千次实验。这种高水平的使用要求系统中的自主性，这主要对应于用户提交的上下文中的约束满足。换句话说，在用户对机器人的输入可能导致碰撞的情况下，必须改变这些输入以自动避免这些碰撞。然而，这些改变必须是最小的，以保持用户在实验中的目标。为此，该系统利用了屏障功能，其允许微创的生物合成过程。然而，障碍函数尚未相对于未建模的干扰（例如，车轮打滑或分组丢失）。因此，本文为一类受扰控制仿射系统制定了鲁棒障碍函数，这反过来又是机器人完全自主操作的关键（即，没有人的监督）。实验结果表明，这种强大的配方在机器人的长期实验的有效性。
2019-09-06 cs.MA cs.RO cs.SY
ColCOS$Φ$: A Multiple Pheromone Communication System for Swarm Robotics and Social Insects Research
University of Lincoln（林肯大学）；Guangzhou University（广州大学）
在过去的几十年里，我们目睹了社会昆虫的信息素如何成为群体机器人的丰富灵感来源。通过利用物理群体机器人系统中的虚拟信息素来协调个体并实现像社会昆虫一样的机器人之间的直接/间接通信，出现了污名行为。然而，许多研究只考虑一个单一的信息素在解决群体问题，这是不是真正的昆虫的情况。在真实的社会性昆虫世界中，不同种类的信息素及其相互作用指导着昆虫的多样性行为、复杂的集体行为以及从一种状态到另一种状态的灵活转换。因此，基于多种信息素的策略是否能启发群体机器人的研究，以及受多种信息素控制的群体机器人的行为如何为解释社会性昆虫的行为带来启发，将成为一个有趣的问题。因此，为了提供一个可靠的系统来进行多信息素的研究，在本文中，我们专门提出并实现了一个多信息素通信系统称为ColCOS $Φ$。该系统包括一个虚拟信息素子系统，其中的多种信息素是由一个彩色图像显示在屏幕上，和微型机器人平台设计的群体机器人应用。通过两个实例验证了该系统的有效性：一个是基于蚂蚁饲料的多种信息素，另一个是聚集和报警信息素的相互作用。实验结果证明了ColCOS $Φ$模型的可行性及其在指导群体机器人和社会性昆虫研究中的巨大潜力。
2019-06-05 cs.RO
The Swarmathon: An Autonomous Swarm Robotics Competition
The University of New Mexico（新墨西哥大学）；Florida Institute of Technology（佛罗里达理工学院）；NASA Kennedy Space Center（美国国家航空航天局肯尼迪航天中心）；Santa Fe Institute（圣达菲研究所）
Swarmathon是一个群体机器人编程挑战，吸引了来自NASA火星之旅少数民族服务机构的大学生。参赛队伍通过编程一组机器人在收集区搜索、拾取和放下资源来进行竞争。Swarmathon为机器人群生产原型，这些机器人群将在火星表面收集资源。机器人完全自主运行，没有全局地图，每个团队的算法必须足够灵活，以有效地从各种未知分布中找到资源。Swarmathon包括物理和虚拟比赛。物理竞赛者在他们在学校建造的机器人上测试他们的算法;然后他们上传代码，在肯尼迪航天中心的户外竞技场进行为期三天的比赛，在相同的机器人上自主运行。虚拟竞争者在模拟中完成相同的挑战。参与者指导当地球队在一个单独的高中组比赛。在最初的两年里，有1,100多名学生参加。63%的学生来自代表性不足的民族和种族群体。参与者在兴趣和核心机器人能力方面都有显着的收获，这些能力在性别和种族群体中是等同的，这表明Swarmathon正在有效地教育未来机器人专家的多样化人群。
2018-05-21 cs.MA cs.RO
Towards a Formal Specification for Self-organized Shape Formation in Swarm Robotics
Computer Science Department, COMSATS Institute of Information Technology, Islamabad, Pakistan（计算机科学系，COMSATS信息科技学院，伊斯兰堡，巴基斯坦）
针对群体机器人自组织形状形成过程缺乏形式化规范建模的问题，采用基于状态的Z语言对系统实体状态建模，验证了其有效性，为相关系统设计和多智能体仿真建模提供了基础。
2025-06-16 cs.AI cs.RO
HeRo 2.0: A Low-Cost Robot for Swarm Robotics Research
Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）；Instituto Tecnológico Vale（淡水河谷技术研究所）
电子元件小型化的现状，加上硬件和软件效率的提高，使得可以开发更小、更紧凑的机器人系统。使用这些小型，简单，但功能强大的机器人的便利性已经聚集了研究界对群体机器人实际应用的注意力。本文提出了一种新的平台群机器人应用程序的设计，是低成本，易于组装使用现成的组件，并与最常用的机器人框架今天：ROS（机器人操作系统）的深度集成。机器人平台是完全开放的，由3D打印的身体和开源软件组成。我们描述了它的体系结构，提出了它的主要特点，并评估其功能执行实验使用一对夫妇的机器人。结果表明，所提出的移动机器人是非常有效的，由于其体积小，降低了成本，适合于群体机器人的研究和教育。
2022-03-04 cs.AI cs.MA cs.RO
The blockchain: a new framework for robotic swarm systems
MIT Media Lab（麻省理工学院媒体实验室）
大批机器人将彻底改变许多工业应用，从有针对性的材料交付到精准农业。然而，几个异构的特点，使他们理想的某些未来的应用-机器人自主性，分散控制，集体涌现行为等-阻碍了技术的发展，从学术机构到现实世界的问题。区块链是一种起源于比特币领域的新兴技术，它表明，通过将点对点网络与加密算法相结合，一组代理可以就特定的事务状态达成协议，并记录该协议，而无需控制机构。区块链与其他分布式系统（如机器人群系统）的结合可以提供必要的能力，使机器人群操作更加安全，自主，灵活，甚至有利可图。这项工作解释了区块链技术如何为群体机器人研究领域的四个紧急问题提供创新解决方案。通过提供案例场景和实例，描述了群机器人系统的新的安全性、决策、行为区分和商业模型。最后，限制和可能出现的问题，从这两种技术的组合进行了说明。
2017-06-25 cs.DC cs.ET cs.MA
Maximizing Energy Battery Efficiency in Swarm Robotics
University of Minnesota（明尼苏达大学）
小型化和成本是群体机器人的两个主要吸引力因素，促使其在物体收集任务，搜索和救援任务以及其他应用中作为解决方案使用。然而，在目前的文献中，只有少数论文考虑的能量分配效率在一个群体。一般来说，机器人每次都无条件地充电到最大水平，并且不包含对下一个任务所需能量的估计。在本文中，我们提出了一种能源效率最大化的方法，最大限度地减少了群体内的整体能源成本，同时最大限度地提高群体的性能上的对象收集任务。该方法利用电池上限和下限的动态阈值。该方法还显示出提高了现有能量管理方法的效率。
2019-06-05 cs.MA cs.RO
AERoS: Assurance of Emergent Behaviour in Autonomous Robotic Swarms
University of Bristol（布里斯托大学）；University of York（约克大学）
本文提出AERoS流程，遵循AMLAS指南，用于保证自主机器人群体中涌现行为的安全性，并通过公共衣帽间机器人案例进行验证。
2023-02-20 cs.AI cs.RO
GenGrid: A Generalised Distributed Experimental Environmental Grid for Swarm Robotics
IIIT-Bangalore（班加罗尔印度理工学院）
GenGrid是一种低成本、模块化的开源分布式实验环境网格平台，兼容多种移动机器人，支持双向通信与数据采集，能以最少资源运行多种群体机器人实验，突破了商业平台难以修改的局限。
2025-04-24 cs.MA cs.RO
Substrate-Timing-Independence for Meta-State Stability of Distributed Robotic Swarms
International School of Engineering, Faculty of Engineering, Chulalongkorn University（国际工程学院，工程学院，朱拉隆梭大学）
本文提出一种基于通信顺序进程的基板时序无关形式化方法，自动识别并修正机器人集群设计中的错误元状态成因，仿真与实物实验验证了修正后集群行为持续正确。
2025-09-20 cs.RO
BittyBuzz: A Swarm Robotics Runtime for Tiny Systems
Polytechnique Montreal（蒙特利尔理工学院）
本文提出 BittyBuzz 运行时，使 Buzz 语言能在仅 32 kB 闪存和 2 kB RAM 的微控制器上支持动态内存管理，并在三类机器人平台上验证其可实现常见群体行为。
2023-07-13 cs.RO
Distributed Camouflage for Swarm Robotics and Smart Materials
University of Colorado, Boulder（科罗拉多大学博尔德分校）
我们提出了一个分布式算法的一群活跃的粒子伪装在一个环境中。每个粒子都配备了传感、计算和通信功能，使系统能够从环境中获取颜色和梯度信息，并自组织成适当的模式。目前的人工伪装系统要么局限于静态图案，这是适应特定的环境，或依赖于背投影，这取决于观众的观点。受乌贼伪装能力的启发，我们提出了一种分布式估计和模式形成算法，可以快速适应不同的环境。我们目前的收敛结果在模拟以及一群微型机器人“水滴”的各种模式。
2017-09-20 cs.RO
Federated Reinforcement Learning for Collective Navigation of Robotic Swarms
The University of Manchester（曼彻斯特大学）；Czech Technical University in Prague（布拉格捷克理工大学）；Durham University（杜伦大学）
深度强化学习（DRL）的最新进展通过允许自动控制器设计而为机器人技术做出了贡献。群机器人系统需要比单个机器人系统更复杂的控制器来引导期望的集体行为，自动控制器的设计是群机器人系统设计的关键方法。虽然基于DRL的控制器设计方法显示了其有效性，但在机器人-服务器通信不稳定或有限的现实环境中，对中央训练服务器的依赖是一个关键问题。我们提出了一种新的联邦学习（FL）为基础的DRL训练策略（FLDDPG）用于群体机器人应用。通过在有限通信带宽的情况下与基线策略的比较，结果表明，FLDDPG方法导致更高的鲁棒性和推广能力到不同的环境和真实的机器人，而基线策略受到通信带宽的限制。这一结果表明，所提出的方法可以使在通信带宽有限的环境中操作的群机器人系统受益，例如，在高辐射、水下或地下环境中。
2022-09-11 cs.LG cs.RO
Decentralized Informative Path Planning with Exploration-Exploitation Balance for Swarm Robotic Search
University at Buffalo（布法罗大学）
群机器人搜索涉及在未知环境中搜索目标（例如，用于搜索和救援或危险定位），使用大量协作的简单移动机器人。在这样的应用中，分散的群系统被吹捧为他们的任务/覆盖范围的可扩展性，时间效率，和容错。为了指导这种群体系统的行为，有两大类方法可用，即自然启发的群体算法和多机器人搜索方法。然而，同时提供计算高效的可扩展性和对所展示的行为的基本见解（而不是黑盒行为模型），在这两类方法中的任一种下仍然具有挑战性。在本文中，我们开发了一个重要的扩展批量贝叶斯搜索方法的应用程序，体现群体系统，在物理二维空间搜索。主要贡献在于：1）设计一个采集功能，不仅平衡整个群体的探索和利用，而且还允许对轨迹上的知识提取进行建模; 2）开发其分布式实现，以允许群机器人进行异步任务推理和路径规划。由此产生的集体信息路径规划方法进行测试的目标搜索的情况下，研究不同的复杂性，目标产生的空间变化（可测量）的信号。显着优越的性能，在任务完成效率方面，观察到相比，穷举搜索和随机游走基线，以及良好的性能可扩展性，随着群体规模的增加。
2019-05-31 cs.MA cs.RO
Secure and secret cooperation in robotic swarms
Massachusetts Institute of Technology（麻省理工学院）
本文提出利用默克尔树封装群体机器人任务蓝图，使机器人通过交换密码学证明验证同伴完整性，在觅食和迷宫编队任务中验证了无需知晓高层目标即可安全协作的可行性。
2021-04-01 cs.CR cs.DS cs.ET
Formations organization in robotic swarm using the thermal motion equivalent method
Digital Control Systems Laboratory, Tula State University（图拉国立大学数字控制系统实验室）；Tula State University（图拉国立大学）
本文提出一种基于热运动等效方法演进的群体机器人编队控制方法，通过设计分段线性非线性交互函数实现稳定几何结构编队，并以线性四旋翼模型数值仿真验证了方法的有效性。
2023-12-03 cs.RO
Informative Path Planning with Local Penalization for Decentralized and Asynchronous Swarm Robotic Search
University at Buffalo（布法罗大学）
分散式群机器人解决方案，以寻找目标，发射一个空间变化的信号承诺任务并行性，时间效率和容错。然而，群体算法在提供可扩展性和效率的同时，保持对所展示行为的数学见解是具有挑战性的。一种新的分散式搜索方法（称为贝叶斯群），建立在批量贝叶斯优化（BO）的原则，在这里提出，以解决这些挑战。与群算法不同，贝叶斯群算法简化了知识生成和任务规划过程，从而保留了对紧急行为的洞察。主要贡献在于：1）对轨迹上的知识提取进行建模，与BO中不同; 2）时间自适应地平衡探索/利用，并使用有效的局部惩罚方法来考虑不同机器人的计划样本之间的潜在交互;以及3）呈现算法的异步实现。该算法进行了测试的案例研究与双峰和高度多峰信号分布。与穷举搜索基线相比，效率提高了76倍。利用/探索平衡，异步规划，和本地惩罚，以及群大小的可扩展性的好处，也被证明。
2019-07-09 cs.AI cs.MA cs.RO
Evolution of Collective Behaviors for a Real Swarm of Aquatic Surface Robots
Instituto de Telecomunicações（电信研究所）；Instituto Universitário de Lisboa (ISCTE-IUL)（里斯本大学学院（ISCTE-IUL））；Faculdade de Ciências（理学院）
群机器人是一种很有前途的方法，用于协调大量的机器人。虽然以前的研究已经表明，进化机器人技术可以应用于获得强大的和有效的自组织行为的机器人群，大多数研究已经进行了模拟，并已进行了真正的机器人的少数已被限制在实验室环境。在本文中，我们首次展示了一个群体机器人系统与进化控制成功地运行在一个真实的和不受控制的环境。我们进化神经网络为基础的控制器在模拟典型的群体机器人任务，即归巢，分散，聚类和监测。然后，我们评估一个真正的群多达10个水面机器人的控制器的性能。我们的研究结果表明，进化的控制器成功地转移到真正的机器人，并实现了类似的性能在仿真中获得的性能。我们验证了进化的控制器显示基于群体智能的控制，即可扩展性，灵活性和鲁棒性的关键属性在真正的群体。最后，我们的概念验证实验中，通过结合多个进化的控制器，群执行一个完整的环境监测任务。
2016-02-02 cs.RO
Decentralized Planning for Car-Like Robotic Swarm in Cluttered Environments
Zhejiang University（浙江大学）；Huzhou Institute of Zhejiang University（浙江大学湖州研究院）
本文提出一种面向类车机器人集群的分散式规划框架，结合拓扑引导路径搜索、基于搜索的速度规划与时空优化，实现杂乱环境中的实时避碰与动力学可行轨迹生成，并通过仿真和实机实验验证其鲁棒性。
2023-07-05 cs.RO
Potato: A Data-Oriented Programming 3D Simulator for Large-Scale Heterogeneous Swarm Robotics
Beihang University（北京航空航天大学）；Delft University of Technology（代尔夫特理工大学）
针对现有群体机器人仿真平台无法兼顾真实动力学模型与大规模节点的问题，本文提出基于数据导向编程的3D模拟器Potato，结合多进程与GPU加速的PyTorch实现异构大规模仿真，在5000架以内四旋翼场景下计算速度稳定。
2023-08-24 cs.RO
Mean-Shift Theory and Its Applications in Swarm Robotics: A New Way to Enhance the Efficiency of Multi-Robot Collaboration
Fellow, IEEE（IEEE会士）；Life Fellow, IEEE（IEEE生命会士）
本文综述了群体机器人无分配协作的最新进展，重点介绍均值漂移探索策略如何将大规模群体形状形成效率提升数十倍，并展示其在智能仓储、区域探索和货物运输中的应用。
2025-11-07 cs.RO
Swarm robotics and complex behaviour of continuum material
Italian National Agency for New Technologies, Energy and Sustainable Economic Development（意大利新技术、能源与可持续经济发展局）
在群体机器人中，就像自然界中的动物群体一样，目标之一是达到并保持所需的配置。为了实现这一目标，团队的一个可能性是看看它的邻居在做什么。这种方法产生的规则系统，管理的运动的单个机器人只是通过参考邻居的运动。在基于位置的动力学中使用相同的方法来模拟复杂连续体材料在变形下的行为。因此，在以前的一些工作中，我们已经考虑了一个二维的粒子晶格，并计算其时间演化的规则系统来自我们的经验，在群体机器人。一个粒子的新位置，就像一个群的元素一样，是由其他粒子的空间位置决定的。没有考虑动态，但可以认为它隐藏在行为规则中。这种方法在某些简单的情况下给出了很好的结果，再现了变形体在外加应变下的行为。在本文中，我们试图强调我们的模型，以突出其局限性，以及如何改进它们。一些其他的，更复杂的，例子计算和讨论。利用所开发的软件工具，对剪切试验、不同点阵、不同断裂机制和ASTM形状试样的行为进行了研究。
2020-04-01 cs.CE cs.RO
A Comprehensive Review of Bio-Inspired Approaches to Coordination, Communication, and System Architecture in Underwater Swarm Robotics
La Trobe University（拉特罗布大学）
本文综述了水下群体机器人中生物启发方法的协调、通信和系统架构，分析了关键算法、通信限制及硬件设计，提出多维分类框架以指导未来研究方向。
2026-01-18 cs.NE cs.RO
BDPGO: Balanced Distributed Pose Graph Optimization Framework for Swarm Robotics
Hong Kong University of Science and Technology（香港科技大学）
分布式位姿图优化是群机器人的基本技术之一。目前，DPGO的子问题都是建立在本机姿势上的。我们的验证证明，这种方法可能会引入一个不平衡的大小的子问题在现实世界的场景中，这会影响DPGO优化的速度，并可能增加通信的要求。此外，当群中的机器人发生故障或部分机器人断开连接时，不能保证估计的位姿的一致性。在本文中，我们提出了BDPGO，一个平衡的分布式位姿图优化框架，采用解耦的机器人位姿和DPGO的思想。BDPGO通过引入两阶段图划分方法来构建平衡子问题，以平衡的方式将位姿图中的位姿重新分配到机器人群中。我们的验证表明，BDPGO显着提高了优化速度，而不改变具体的算法DPGO在现实的数据集。更重要的是，我们还验证了BDPGO是鲁棒的机器人故障，在无线网络的变化。BDPGO能够在这些情况下保持估计姿态的一致性。该框架也有可能被应用到其他的协同同时定位与地图构建（CSLAM）的问题，涉及分布式解决的因素图。
2022-09-13 cs.RO
Decentralized Dynamic Task Allocation in Swarm Robotic Systems for Disaster Response
University at Buffalo（布法罗大学）
多个机器人系统一起工作，可以为不同的现实世界应用提供重要的解决方案（例如，灾害应对），其中任务分配问题尤为突出。很少有现有的分散式多机器人任务分配（MRTA）方法同时提供以下功能：考虑任务的最后期限，考虑机器人的范围和任务完成能力的限制，并允许在动态任务空间下的异步决策。为了提供这些功能，本文提出了一种计算效率高的算法，涉及新的建设和匹配的二分图。它的性能进行了测试的多无人机洪水响应应用程序。
2020-07-25 cs.AI cs.MA cs.RO
Hearing the shape of an arena with spectral swarm robotics
Université Paris Cité（巴黎西岱大学）；CNRS（法国国家科学研究中心）；LIMMS (IRL2820)/CNRS-IIS（LIMMS（IRL2820）/法国国家科学研究中心-东京大学）；University of Tokyo（东京大学）；Sorbonne Université（索邦大学）；Ochanomizu University（御茶水女子大学）；Université Jean Monnet Saint-Étienne（圣艾蒂安让·莫内大学）；Institut Universitaire de France（法国大学研究院）
引入谱群机器人技术，通过机器人扩散信息模拟拉普拉斯算子以“听到”竞技场谱并识别其形状，揭示了最优机器人数量与交互半径的缩放规律，并用 Kilobots 实验验证。
2026-10-23 cs.AI cs.CG cs.RO
Communication-Efficient Reinforcement Learning in Swarm Robotic Networks for Maze Exploration
University of Georgia（佐治亚大学）
本文提出一种通信高效的去中心化协作强化学习算法，通过分层局部信息交换协调群体机器人进行迷宫探索，在通信退化环境下显著提升覆盖精度与效率并降低成本。
2023-05-26 cs.AI cs.MA cs.NI
Swarm robotics in wireless distributed protocol design for coordinating robots involved in cooperative tasks
University of Calabria（卡拉布里亚大学）；Middlesex University London（伦敦密德萨斯大学）
在未探测区域探测地雷是一个优化问题，其中需要在最短的时间内发现并拆除随机分布在整个区域的多个地雷。我们提出了一种策略，探索一个未知的领域，使用基于蚂蚁行为的stigmergy方法，和一种新的基于群的协议，以招募和协调机器人解除地雷合作。仿真测试表明，我们提出的基于蚂蚁的任务机器人协调（ATRC）的有效性，只有探索任务，探索和招募策略。多个最小化的目标被认为是：机器人的招聘时间和整个区域的探索时间。我们讨论，通过模拟，不同的情况下，不同的网络和现场条件下，由机器人执行。结果表明，所提出的分散方法使机器人群体能够在没有任何中央控制的情况下智能地执行协作任务。
2018-04-22 cs.AI cs.RO
Swarm Robots Inspired by Friendship Formation Process
Research Institute of Electrical Communication, Tohoku University（东北大学电气通信研究所）；Panasonic Corporation（松下公司）
群机器人系统是其中具有简单功能的多个机器人通过它们的合作来执行任务的系统，并且其优点在于它们可以表现出诸如适应性、容错和可扩展性的非平凡宏观功能。我们以前提出了一个简单的群体形成模型的启发，在人类社会中的友谊形成过程，并通过模拟证明，各种非平凡的模式出现。在这项研究中，我们研究了所提出的模型的适用性，一群机器人系统。作为第一步，我们开发了五个机器人，并通过真实世界的实验证明，模拟结果可以在很大程度上重现。
2018-08-11 cs.RO
Swarm-Enabling Technology for Multi-Robot Systems
Singapore University of Technology and Design（新加坡科技设计大学）；Massachusetts Institute of Technology（麻省理工学院）
近年来，群机器人技术经历了快速的发展，主要是由专门的多机器人系统开发，以实现专门的集体行动。这些专门的平台通常在前面和中心设计有群集考虑。群集所需的关键硬件和软件元素通常深度嵌入并与特定系统集成。然而，鉴于低成本移动机器人数量的明显增加，从业者和爱好者可能会开始考虑通过最低限度地改造这种移动平台来组装成熟的集群。在这里，我们报告了这种技术的一个可能的实施例，该技术旨在使组装和研究群集在一系列通用机器人系统。这是通过将模块化和可转移的软件工具箱与由低成本和现成组件组成的硬件套件相结合来实现的。所开发的技术可以移植到相对广泛的机器人平台上，只需最小的更改和高水平的可扩展性。这群使能技术已成功地实现了两个不同的分布式多机器人系统，一群移动海洋浮标和一组商业陆地机器人。我们已经测试了这两个分布式机器人系统在执行集体探索和搜索的情况下，以及其他经典的合作行为的有效性。不同的群体行为的实验结果报告的两个平台在不受控制的环境中，没有任何支持的基础设施。相关软件库的设计允许无缝切换到其他合作行为，并且还提供了在平台上实现新设计的集体行为之前模拟它们的可能性。
2017-05-11 cs.RO
Leveraging swarm capabilities to assist other systems
IRIDIA, Université libre de Bruxelles（比利时自由大学IRIDIA研究所）；Royal Military Academy of Belgium（比利时皇家军事学院）；Toyota Motor Europe（丰田汽车欧洲公司）
本文突破将机器人群体视为独立系统的传统视角，提出让群体在含其他机器人或人类操作员的异构系统中提供数据采集支持，拓展群体机器人学应用。
2024-05-07 cs.RO
Interacting particles with Lévy strategies: limits of transport equations for swarm robotic systems
Maxwell Institute for Mathematical Sciences（麦克斯韦数学研究所）；Heriot-Watt University（赫瑞瓦特大学）；University of Edinburgh（爱丁堡大学）
Lévy机器人系统将超扩散随机运动与来自本地通信和对齐的紧急集体行为相结合，以找到稀有目标或跟踪物体。在这篇文章中，我们从单个机器人的运动策略中推导出宏观分数PDE描述。从描述机器人运动的动力学方程出发，根据Lévy分布，基于对准，碰撞和偶尔的长距离运行，我们得到了一个系统的分数扩散长时间的演化方程。我们表明，该系统允许有效的搜索问题的参数研究，解决基本问题，如在一定时间内覆盖一个区域所需的机器人的最佳数量。对于较短的时间，在动力学方程的双曲线极限，PDE模型是由对齐为主，不管长距离的运动。这是在协议与以前的结果在自推进粒子群集。文章指出，新的和定量建模的机会，群体机器人系统提供了紧急集体行为和异常扩散的研究，在各自的时间尺度。
2019-12-26 cs.RO nlin.AO physics.bio-ph
Swarm navigation of cyborg-insects in unknown obstructed soft terrain
Graduate School of Information Science and Technology, Osaka University（大阪大学信息科学与技术研究生院）；Graduate School of Advanced Science and Engineering, Hiroshima University（广岛大学先进科学与工程研究生院）；School of Mechanical & Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院）
针对半机械昆虫因个体反应差异导致的多系统协调控制难题，提出一种集群导航算法并经实验验证，通过结合生物有机体与控制理论推进了集群机器人学。
2024-12-21 cs.RO cs.SY eess.SY
Optimal Virtual Tube Planning and Control for Swarm Robotics
Beihang University（北京航空航天大学）
针对杂乱环境下群体机器人轨迹规划计算成本高、难整体移动的问题，提出含最优虚拟管规划与分布式模型预测控制的分层方法，大幅降低复杂度且经仿真实验验证更有效。
2023-10-24 cs.RO
CommandSwarm: Safety-Aware Natural Language-to-Behavior-Tree Generation for Robotic Swarms
本文提出CommandSwarm系统，通过多语言翻译、安全过滤和约束提示生成XML行为树，验证了紧凑量化领域适应的LLM在机器人群体控制中的有效性，强调了解析器接受和安全过滤的重要性。
2026-05-08 cs.RO
Task Allocation in Robotic Swarms: Explicit Communication Based Approaches
Institute for Advanced Studies in Basic Sciences（基础科学高级研究所）；University of Zanjan（赞詹大学）
本文研究了一种多机器人协作任务分配问题，其中一个机器人群被部署在一个受限的未知环境中，代表任务的色点数目及其比例未知。机器人应尽可能覆盖这些点，以便进行理想的清洁和采样动作。这意味着他们应该合作发现点，并按点面积成比例传播，避免闲置。我们提出了4个自组织的分布式方法，这些方法被称为混合方法来应对这种情况。在两个不同的实验中的方法的性能进行了分析。我们将它们相互比较，并研究了它们的可扩展性和鲁棒性方面的单点故障。
2015-03-01 cs.AI cs.MA cs.RO
Kilombo: a Kilobot simulator to enable effective research in swarm robotics
University of Amsterdam（阿姆斯特丹大学）；John Innes Centre（约翰·英纳斯中心）；Centre for Genomic Regulation (CRG)（基因组调控中心（CRG））；The Barcelona Institute of Science and Technology（巴塞罗那科学技术学院）；Universitat Pompeu Fabra (UPF)（庞培法布拉大学（UPF））；Institució Catalana de Recerca i Estudis Avançats (ICREA)（加泰罗尼亚研究与高等教育机构（ICREA））；Delft University of Technology（代尔夫特理工大学）；Åbo Akademi University（奥博学术大学）
Kilobot是一个广泛使用的群体机器人研究平台。物理Kilobots移动缓慢，需要频繁的重新校准和充电，这大大减缓了开发周期。模拟器可以加快测试、探索和假设生成的过程，但通常需要在模拟器和机器人之间进行耗时且容易出错的代码翻译。此外，不同性质的代码往往混淆直接比较，以及偏差的原因，模拟器和实际的机器人群体行为之间的确定。为了解决这些问题，我们开发了一个基于C的模拟器，允许那些与Kilobots一起工作的人在模拟器和物理机器人中使用相同的程序代码。使用我们的模拟器，创造Kilombo，显着简化和加快开发，考虑到1000个机器人的模拟可以以比台式计算机上的实时的速度快100倍的速度运行，使得高吞吐量的预筛选可能的潜在算法，可能导致所需的紧急行为。我们认为，这种策略，在这里专门为Kilobots开发的，是有效的机器人群研究的一般重要性。源代码在MIT许可证下免费提供。
2016-05-09 cs.RO
