Gathering Autonomous Mobile Robots Under the Adversarial Defected View Model
Indian Institute of Technology Jodhpur(印度理工学院乔德普尔分校);Sardar VallabhBhai National Institute of Technology Surat(萨达尔·瓦拉巴伊国家技术学院苏拉特)
本文提出两种分布式算法,在对抗性缺陷视图模型下实现自主移动机器人在有限时间内确定性聚集。
2026-03-06 cs.DC
A Certified Universal Gathering Algorithm for Oblivious Mobile Robots
Conservatoire national des arts et métiers(法国国立工艺学院);Collège de France(法兰西公学院);Sorbonne Universités, UPMC Univ Paris 06(索邦大学,巴黎第六大学(UPMC));Institut Universitaire de France(法国大学研究院);École Nat. Sup. d’Informatique pour l’Industrie et l’Entreprise (ENSIIE)(法国国立工业与企业信息学高等学院(ENSIIE));Université Paris-Sud(巴黎第十一大学)
我们提出了一个新的算法的问题,普遍收集移动遗忘机器人(即,从任何初始配置,不是二价的,使用任何数量的机器人,机器人到达在有限数量的步骤相同的位置,事先不知道),而不依赖于一个共同的手征。我们给我们的算法的正确性非常强的证明正式证明,它是正确的,使用COQ证明助手。据我们所知,这是在遗忘移动机器人的背景下第一个经过认证的积极(和建设性)结果。它展示了该方法获得真正通用的新算法的有效性,以及其可管理性,因为开发的代码量仍然是人类可读的。
2015-06-04 cs.CG cs.DC cs.DS
Certified Universal Gathering in $R^2$ for Oblivious Mobile Robots
Cédric – Conservatoire national des arts et métiers(法国国立工艺学院);Collège de France(法兰西公学院);UPMC Sorbonne Universités(巴黎第六大学索邦大学);LIP6-CNRS 7606(法国国家科学研究中心LIP6实验室(7606号混合研究单位));Institut Universitaire de France(法国大学研究院);École Nat. Sup. d’Informatique pour l’Industrie et l’Entreprise (ENSIIE)(法国国立工业企业高等计算机学院(ENSIIE));LRI, CNRS UMR 8623(法国国家科学研究中心LRI实验室(8623号混合研究单位));Université Paris-Sud(巴黎南大学);Université Paris-Saclay(巴黎萨克雷大学)
我们提出了一个统一的正式框架,用于表达移动机器人模型,协议和证明,并设计了一个协议设计/证明方法,专门用于移动机器人,利用这个正式的框架。作为一个案例研究,我们提出了第一个正式认证的协议不经意的移动机器人在二维欧几里德空间的发展。更详细地说,我们提供了一个新的算法的问题,普遍收集移动遗忘的机器人(即,从任何初始配置,不是二价,使用任何数量的机器人,机器人到达在有限数量的步骤相同的位置,事先不知道),而不依赖于一个共同的方向,也没有手性。我们给我们的算法的正确性非常强的证明正式证明,它是正确的,使用COQ证明助手。这个结果证明了这种方法在获得新算法方面的有效性,这些算法使用尽可能少的假设,并且由于开发的代码量仍然是人类可读的,因此它是可行的。
2016-02-26 cs.DC cs.DS cs.LO
Fault-Tolerant Gathering of Mobile Robots with Weak Multiplicity Detection
为微型机器人设计分布式算法已经引起了广泛的兴趣。特别是,它已被证明,机器人可以完成某些任务,即使在存在故障的机器人。在本文中,我们专注于收集所有非故障机器人在一个单一的点存在故障的机器人。我们提出了一种无等待算法(即,没有机器人等待其他机器人并且算法指示每个机器人在每一步中移动,除非它已经在聚集位置),其在半同步模型中聚集所有非故障机器人而在坐标系中没有任何一致性并且具有弱多重性检测(即,机器人只能检测到在一个位置处存在一个或多个机器人),对于$n\geqslant 3$,存在至多$n-1$故障机器人。我们表明,在上述模型中,收集机器人所需的能力是最小的,因为放松它进一步使收集不可能解决。此外,我们引入了一个中间调度模型\textit{ASYNC$_{IC}$}之间的异步(即,没有瞬时运动或计算)和半同步(即,瞬时运动和计算两者)作为具有瞬时计算的异步模型。然后,我们提出了另一种算法,在\textit{ASYNC$_{IC}$}模型中收集所有非故障机器人与弱多重检测没有任何协议的坐标系上的最多$\lfloor n/2\rfloor-2$故障机器人$n\geqslant 7$的存在。
2016-08-08 cs.DC
Fault and Byzantine Tolerant Self-stabilizing Mobile Robots Gathering - Feasibility Study -
JAIST(日本北陆先端科学技术大学院大学)
集合是协作移动机器人中的一个基本协调问题。简而言之,给定一组具有任意初始位置并且在全局坐标系上没有初始协议的机器人,收集要求所有机器人按照其算法到达完全相同但不是预定的位置。在机器人不经意的网络中,收集尤其具有挑战性(即,无国籍)和直接通信被对各自位置的观察所取代。有趣的是,如果没有对机器人的初始分布做出特定的假设,那么任何解决不经意机器人聚集问题的算法都具有内在的自稳定性。在本文中,我们显著扩展了在不同假设下的确定性收集可行性的研究。这篇手稿大大扩展了在DISC 2006会议上作为扩展摘要提出的初步结果[7]。当前版本自2012年2月(以前的形式)和2014年以来以当前形式在分布式计算杂志上进行评审。最重要的结果也已在MAC 2010年8月15日至17日在渥太华举办的同步和故障(崩溃和拜占庭)有关。与以前的工作不同,我们考虑了一个更大的调度策略,如有界调度器。此外,我们将我们的研究扩展到无故障和易故障环境中概率自稳定采集的可行性。
2016-02-17 cs.DC cs.RO
Asynchronous mobile robot gathering from symmetric configurations without global multiplicity detection
我们考虑一组K自治机器人,赋予可见性传感器(但否则无法通信)和运动执行器。这些机器人必须合作到达一个事先未知的顶点,并在此后留在那里。以前在环形网络中收集的工作表明,在潜在初始配置集的大小和机器人的传感能力之间存在权衡(即初始配置集越大,传感器需要的功能就越强大)。我们证明没有这样的交易。我们提出了一个收集协议的奇数个机器人在环形网络,允许对称的,但不是周期性的配置作为初始配置,但只使用本地弱多重性检测。机器人被假定为匿名和不经意的,执行模型是异步公平调度的非原子CORDA模型。我们的协议允许最大的一组初始配置(相对于不可能的结果),但使用最弱的多重性检测器。我们的协议的时间复杂度是O(n ~ 2),其中n表示环的大小。与以前的工作相比,也使用局部弱多重性检测,我们没有k < n/2的约束(这里,我们只是有2 < k < n - 3)。
2011-04-29 cs.DC
Getting Close Without Touching: Near-Gathering for Autonomous Mobile Robots
Università di Pisa(比萨大学);University of Ottawa(渥太华大学)
在本文中,我们研究了一组有限的无量纲的,确定性的,异步的,匿名的,不经意的和自主的移动机器人有限的可见性移动在欧几里德平面上看,计算,移动(LCM)周期的附近聚集问题。在这个问题中,机器人必须彼此足够接近,以便每个机器人都可以看到所有其他机器人,而不接触(即,与任何其他机器人碰撞。解决Near-Gathering问题的重要性在于它可以克服机器人能见度有限的限制。因此,它允许利用在无限可见性设置中对该主题进行的所有研究(实际上是大多数)。事实上,在机器人彼此足够接近之后,它们能够看到系统中的所有机器人,这种情况类似于机器人具有无限可见性的情况。我们提出了第一个(确定性)算法的近距离聚集问题,据我们所知,它允许一组自主移动机器人几乎收集在有限的时间内没有碰撞。我们的算法假设一些合理的条件下的输入配置(附近的聚集问题很容易被视为是无法解决的一般)。此外,假设所有机器人都有指南针(因此它们在“北”方向上一致),但它们不一定具有相同的手性(因此它们可能在顺时针方向上不一致)。我们还展示了机器人如何检测终止,即,检测近集问题何时得到解决。当机器人在几乎聚集后必须执行一般任务时,这是至关重要的。我们表明,即使机器人的总数对机器人本身是未知的(即,它不是算法的参数),并且机器人没有办法显式地通信。
2015-05-27 cs.CG cs.DC cs.RO
Minimum algorithm sizes for self-stabilizing gathering and related problems of autonomous mobile robots
本文研究半同步调度下自主移动机器人的问题求解,提出以最小算法规模(MAS)衡量问题复杂度,证明问题按MAS形成无限层级,并确定了自稳定聚集及相关故障场景下问题的具体MAS值。
2023-08-27 cs.DC
Impossibility of Gathering, a Certification
Conservatoire national des arts et métiers(法国国立工艺学院);École Nat. Sup. d’Informatique pour l’Industrie et l’Entreprise (ENSIIE)(国立工业与企业信息高等学院);UPMC Sorbonne Universités(巴黎第六大学索邦大学联盟);Institut Universitaire de France(法国大学研究院);CNRS(法国国家科学研究中心);Université Paris-Sud(巴黎第十一大学)
分布式计算的最新进展突出了自主移动机器人群的模型和算法,这些机器人自组织和合作来解决全局目标。到目前为止,绝大多数作品都考虑手工算法和正确性证明。本文建立在以前提出的正式框架,以证明分布式算法,致力于自主移动机器人在连续空间中发展的不可能性结果的正确性。作为一个案例研究,我们考虑的问题,收集所有机器人在一个特定的位置,事先不知道。一个基本的(但尚未正式认证)结果,由于铃木和山下,指出这个简单的任务是不可能的两个机器人执行确定性代码,并最初位于不同的位置。我们不仅获得了原始不可能性结果的认证证明,而且还得到了更一般的不可能性,即当任何两个机器人最初可能处于相同的确切位置时,偶数个机器人聚集在一起。
2014-05-22 cs.DC cs.LO cs.RO
The BG-simulation for Byzantine Mobile Robots
Nagoya Institute of Technology(名古屋工业大学);Université Pierre et Marie Curie - Paris 6(巴黎第六大学(皮埃尔和玛丽·居里大学));CNRS(法国国家科学研究中心)
研究了移动机器人系统在拜占庭故障下的任务可解性。我们首先考虑的收集问题,这需要所有的机器人满足在有限的时间在一个非预定义的位置。Byzantine聚集问题的可解性依赖于系统的同步性、Byzantine机器人的数量、调度策略、遗忘性、局部坐标系的方向性等属性,但对Byzantine聚集问题的可解性属性的完整刻画仍然是一个未知的问题。本文证明了拜占庭式聚集的强不可能性结果。也就是说,我们证明了拜占庭收集是不可能的,即使我们假设一个拜占庭故障,原子执行系统,n-有界的集中式调度器,非遗忘的机器人,瞬时运动和一个共同的方向的本地坐标系(其中n表示正确的机器人的数量)。这些假设比以前的工作中使用的要弱得多,从而导致更强的不可能性结果。我们的不可能性结果的核心是减少异步共享内存系统中的分布式共识问题。更详细地说,我们新构建了一个通用的减少计划的基础上的分布式BG模拟。有趣的是,由于其多功能性,我们可以轻松地将不可能结果扩展到一般模式形成问题。
2011-06-01 cs.DC cs.RO
Self-Stabilizing Weakly Byzantine Perpetual Gathering of Mobile Agents
本文研究弱拜占庭环境下移动智能体的自稳定聚集问题,证明原始问题在 k≤2f 时无解,进而提出永久聚集问题并给出仅需网络规模与智能体数量上界即可工作的自稳定算法。
2025-04-11 cs.DC
Gathering in Dynamic Rings
收集问题需要一组移动代理,任意位于网络的不同节点,在有限的时间内在同一位置分组,而不是固定的。关于这个问题的广泛的现有文献共享相同的基本假设:在会合或聚集期间拓扑结构不改变;对于考虑故障节点的那些调查也是如此。换句话说,它们只考虑静态图。在本文中,我们开始在动态图,即网络的拓扑结构不断变化,在不可预测的位置收集的调查。我们研究的可行性收集移动代理,相同的,没有明确的通信能力,在一个动态的匿名节点环,我们考虑的一类动态是经典的1-区间连接。我们专注于影响因素,如手性(即,方向的常识)和交叉检测(即,当穿过边缘时检测某个代理是否在另一个方向上穿过它的能力)对问题的可解性有影响。我们提供了一个完整的表征类的初始配置,收集问题是可解决的存在和不存在交叉检测和手性。表征的可行性结果都是建设性的:我们提供了允许代理聚集的分布式算法。特别是,用于收集交叉检测的协议是时间最优的。我们还表明,交叉检测是一个强大的计算元素。我们证明,没有手征,知识的环的大小是严格更强大的知识的代理商的数量;另一方面,与手征,知识的n可以被替换的知识的k,产生相同的类的可行的初始配置。
2017-04-11 cs.DC
Prolonging Network Lifetime in Wireless Sensor Networks with Path-Constrained Mobile Sink
近年来,许多研究都考虑在无线传感器网络(WSN)中使用移动sink(MS)进行数据收集,以减少传感器节点(SN)之间的数据转发需求,从而延长网络寿命。此外,在实践中,通常MS巡回长度必须保持在阈值以下,这通常是由于对传感器数据的及时性约束(延迟关键应用)。本文提出了一种改进的分簇和数据转发协议相结合的MS解决方案,有效的数据收集在无线传感器网络(WSNs)的延迟约束。所采用的簇形成方法是基于SN的“剩余能量”,并且它被适当地修改以适当地适应长度受限的MS巡回的要求,其中涉及簇间通信和增加的数据转发的需要。此外,一个合适的数据收集协议的设计,基于近似的TSP路线,满足给定的长度约束,而适当的应用程序的重新聚类阶段,保证了有效的处理的“能量洞”周围的CH涉及MS路由。扩展的仿真实验表明,所提出的方案的稳定和节能的行为(从而导致增加网络寿命),以及其更高的性能相比,从文献中的其他主管方法。
2019-12-03 cs.DC
Gathering Despite Defected View
Nagoya Institute of Technology(名古屋工业大学);Kyushu Institute of Technology(九州工业大学);Hosei University(法政大学);Toyohashi University of Technology(丰桥技术科学大学);Osaka University(大阪大学)
由多个移动计算实体(称为机器人)组成的自主移动机器人系统引起了研究者的广泛关注,阐明机器人的能力与问题的可解性之间的关系是近几十年来的一个新兴课题。一般来说,每个机器人都可以观察到所有其他机器人,只要没有对可见范围或障碍物的限制,而不管机器人的数量。在本文中,我们提供了一个新的视角观察机器人;一个机器人不一定能观察到所有其他机器人,无论距离。我们称这种新的计算模型为缺陷视图模型。在此模型下,本文考虑了要求所有机器人在同一点集合的集合问题,并提出了两种算法来解决对抗式机器人环境下的集合问题。($N$,$N-2$)-$N \geq 5$的缺陷模型(其中每个机器人最多观察对手选择的$N-2$机器人)和基于距离的(4,2)-缺陷模型(其中每个机器人观察最多2个离其最近的机器人),其中$N$是机器人的数量。此外,我们提出了一个不可能的结果,表明在对抗或基于距离的(3,1)-缺陷模型中没有(确定性)收集算法。此外,我们还证明了在松弛的($N$,$N-2$)缺陷模型中聚集的不可能性。
2022-08-17 cs.DC cs.RO
Gathering Semi-Synchronously Scheduled Two-State Robots
该研究聚焦半同步场景下的机器人聚集问题,证明2色FSTA和FCOM机器人无额外条件时无法解决该问题,同时改进了2色FSTA机器人聚集算法的适用条件。
2024-08-19 cs.DC
Gathering on Rings for Myopic Asynchronous Robots with Lights
我们研究收集算法的异步自主移动机器人移动均匀环形网络。与大多数使用Look-Compute-Move(LCM)模型的工作不同,我们假设机器人具有有限的可见度和灯光。也就是说,机器人只能在一定的固定距离内观察节点,并从一组恒定数量的颜色中发出一种颜色。我们认为收集算法取决于两个参数相关的初始配置:$M_{init}$,这表示两个边界节点之间的节点数,和$O_{init}$,这表示两个边界节点之间的主机机器人的节点数。在这两种情况下,边界节点是托管一个或多个机器人的节点,这些机器人至少在一侧看不到其他机器人。我们的主要贡献是证明,如果$M_{init}$或$O_{init}$是奇数,收集总是可行的三个或四个颜色。所提出的算法不需要额外的假设,如知识的机器人数量,多重性检测能力,或无塔的初始配置的假设。这些结果证明了灯光的力量,以实现有限的能见度机器人的聚集。
2019-11-12 cs.DC
Stand-Up Indulgent Gathering on Lines
本文研究线形网络中遗忘型机器人的站立式容错聚集问题,在离散图模型下刻画了无多重性检测时该问题的可解性条件。
2023-04-12 cs.DC
Cappuccino: Efficient Inference Software Synthesis for Mobile System-on-Chips
卷积神经网络(CNN)在各种机器学习任务中表现出卓越的性能。随着配备传感器的物联网(IoT)设备渗透到现代生活的各个方面,在资源受限的设备上执行CNN推理(计算密集型应用)的能力变得越来越重要。在这种情况下,我们提出了卡布奇诺,一个框架,针对移动系统芯片(SoC)的高效推理软件的合成。我们提出了针对移动SoC的CNN推理的高效并行化技术,并探索了潜在的权衡。在三个移动设备上使用不同CNN的实验证明了我们方法的有效性。
2017-07-09 cs.DC
Stand Up Indulgent Gathering
我们考虑一群移动机器人在二维欧几里德空间中演化。我们研究了一个变种的碰撞容忍收集问题:如果没有机器人崩溃,机器人必须满足在同一个任意位置,事先不知道,在有限的时间;如果一个或几个机器人在同一个位置崩溃,其余正确的机器人聚集在崩溃的位置,以拯救他们。出于不可能的结果在半同步设置,我们提出了第一个解决方案的问题的完全同步设置,在香草的外观计算移动模型,没有额外的假设:机器人是健忘的,迷失方向,没有多重检测能力,并可能从任意位置(包括那些与多重点)。我们还表明,机器人聚集在一个时间,是成比例的机器人之间的初始最大距离。
2023-02-07 cs.DC cs.MA
Asynchronous Gathering of Robots with Finite Memory on a Circle under Limited Visibility
考虑一组$n$移动实体,称为机器人,位于连续圆上并在其上操作,即,所有的机器人最初都在圆上的不同位置。\textit{gathering}问题要求设计一个分布式算法,允许机器人在圆上的一个点组装。机器人是匿名的,相同的,同质的。机器人在圆形路径内以确定性的“看-计算-移动”循环运行。机器人同意顺时针方向。机器人的运动是刚性的,并且它们具有有限的可见性$π$,即,每个机器人只能看到与机器人的角距离严格小于$π$的圆的点。迪卢娜\textit{et al}。[DISC'2020]提出了一种在半同步(\textsc{SSync})调度器中循环的不经意和沉默机器人的确定性收集算法。布钦\textit{et al}。[IPDPS(2021年12月)]表明,在完全可见性下,具有\textsc{SSync}调度程序的$\mathcal{OBLOT}$机器人模型与具有异步(\textsc{ASync})调度程序的$\mathcal{FSTA}$机器人(机器人是静默的,但具有有限的持久内存)模型不可比较。在有限的可见度下,这种比较仍然没有答案。因此,本文的工作扩展了Di Luna的工作\textit{et al}。[DISC'2020]在用于$\mathcal{FSTA}$机器人模型的\textsc{ASync}调度程序下。
2023-02-15 cs.DC
Time Optimal Gathering of Myopic Robots on an Infinite Triangular Grid
这项工作涉及的问题,收集$n$不经意的移动实体,称为机器人,在一个点(事先不知道)放置在一个无限的三角形网格。机器人被认为是近视的,即,机器人的可见度有限。早期的收集工作主要考虑机器人在平面上或圆形或矩形网格上的完全可见性和有限可见性。在三角形网格中,据我们所知有两件作品。第一个是Cicerone等人关于任意图案形成的,其中考虑了完全可见性。另一个由Shibata等人提出,考虑了七个具有2跳可见性的机器人,这些机器人形成一个六边形,其中一个机器人位于六边形中心,处于完全同步调度器下的无碰撞环境中。在这项工作中,我们首先表明,聚集在一个三角形网格与1跳视觉的机器人是不可能的,即使在一个完全同步的调度,如果机器人不同意任何轴。因此,在这项工作中考虑了一个轴协议(即,机器人就方向及其取向达成一致)。我们还表明,时间的下限是$Ω(n)$时代时,$n$数量的机器人聚集在一个无限的三角形网格。然后,提出了一种算法,其中一群$n$数量的机器人与1跳的可见性可以收集在$O(n)$时代下的半同步调度。因此,这里提出的算法是时间最优的。
2022-09-28 cs.DC
The cost of probabilistic gathering in oblivious robot networks
在本文中,我们解决了两个协议问题的复杂性问题,即在不经意的机器人网络聚集和分散。这些抽象是合作移动机器人的基本协调问题。此外,它们的遗忘特性使它们对自稳定具有吸引力,因为它们是自稳定的,没有额外的成本。给定一组具有任意初始位置并且在全局坐标系上没有初始协议的机器人,聚集要求所有机器人到达完全相同但不是预定的位置,而分散则针对分散的机器人,使得没有两个机器人共享相同的位置。确定性的聚集和分散已被证明是不可能的任意的干扰,因此最近提出了概率的解决方案。本文的贡献是双重的。首先,我们提出了一个详细的复杂性分析现有的概率收集算法在无故障和故障倾向的环境。我们考虑崩溃和拜占庭倾向的环境。此外,使用马尔可夫链工具和对环境的额外假设,我们证明了收集收敛时间可以从O(n^2)(最佳已知的紧界)减少到O(nln(n))。此外,我们证明了在容易崩溃的环境中,收集是在O(nln(n)+2f)内实现的。其次,使用相同的技术,我们证明了最好的已知的散射策略在无故障系统中收敛是O(n)(这是一个最优的),而在易崩溃的环境中,它需要O(n-f)。最后,我们总结了与不同的策略来收集遗忘机器人的讨论。
2008-07-10 cs.CC cs.DC
Deterministic Gathering with Crash Faults
一个由未知数量的移动代理组成的团队,从未知网络的不同节点开始,必须在同一个节点相遇并终止。此问题称为{ \em收集}。我们研究确定性收集算法的假设下,代理受到{ \em崩溃故障},可以发生在任何时候。两种故障情况被认为是。{ \em运动故障}会使节点或边缘内的代理不活动,但在故障发生时,其内存保持不变。更严重的{ \em总故障}也会使代理停止工作,但也会擦除其整个内存。当然,我们不能要求有缺陷的特工集合。因此,故障倾向代理的收集问题要求所有无故障代理在单个节点处收集,并终止。当代理完全异步移动时,任何类型的崩溃故障都是不可能的。因此,我们考虑一个受限制的版本,其中每个代理被对手分配一个固定的速度,每个代理可能不同。探员们的时间也是一样的。每个代理可以在任何节点等待它选择的时间,或者决定遍历一个边缘,但随后它以指定给它的恒定速度移动。每个代理都知道自己的标签和速度,但不知道其他代理的标签和速度。我们构建了一个收集算法工作的任何团队的至少两个代理的运动故障的情况下,和收集算法工作在存在的总故障,只要至少有两个代理是无故障的所有时间。如果只有一个代理是无故障的,收集与总故障的任务有时是不可能的。我们的两个算法都在时间多项式中工作,在图的大小中,在最大标签的对数中,在最小速度的倒数中,以及在最大和最小速度之间的比率中。
2017-04-28 cs.DC
Gathering in the Plane of Location-Aware Robots in the Presence of Spies
一组移动机器人(表示为点)分布在笛卡尔平面。该集合包含一个未知的拜占庭机器人子集,这些机器人与可靠的机器人无法区分。可靠的机器人需要收集,即,到达一个配置,在这个配置中,所有这些都同时占据平面上的同一点。这些机器人配备了GPS设备,在收集过程开始时,它们将各自位置的笛卡尔坐标传送给中央机构。基于这些信息,在不知道哪些机器人有故障的情况下,中央机构为每个机器人设计一条轨迹。中央权威机构的目标是提供轨迹,导致健康机器人的最短可能的聚集时间。收集策略的效率通过其竞争比来衡量,即,由给定轨迹实现的收集所需的时间与离线情况下收集所需的最佳时间之间的最大比率,即,当故障机器人被中央机构预先知道时。拜占庭机器人的作用是,由对手控制,采取行动,使收集被推迟,从而使竞争比例最大化。我们的论文的目的是提出有效的算法时,中央权威机构知道拜占庭机器人的数量上界。我们给出了最优算法的机器人集合已知包含最多一个故障机器人。当拜占庭机器人的比例是已知的是小于一半或三分之一,我们提供的算法与小恒定的竞争比。我们还提出了有界竞争比的情况下,故障机器人的比例是任意的算法。
2017-12-07 cs.DC
Crash tolerant gathering on grid by asynchronous oblivious robots
考虑一个系统的自主移动机器人最初随机部署在一个匿名的有限网格的节点。聚集算法是由每个机器人独立执行的一系列移动,以便所有机器人在有限时间后在单个节点相遇。机器人以“看-计算-移动”循环运行。在每个周期中,机器人根据占用的节点(\emph{Look})拍摄网格的当前配置的快照,然后基于感知的配置,决定是保持不变还是移动到相邻节点(\emph{Compute}),并且在后一种情况下相应地进行瞬时移动(\emph{Move})。机器人具有\emph{weak multiplicity detection}能力,这使它们能够检测节点是否为空或被单个机器人或多个机器人占用。机器人是\emph{asynchronous}、\emph{oblivious}、\emph{anonymous},不能相互通信和执行相同的分布式算法。然而,在一个有故障的系统中,任何机器人都可以\emph{crash},这意味着它变得完全不活动,不再参与该过程。在这种情况下,容错收集算法是一种将所有无故障机器人收集在单个节点的算法。本文考虑了一个故障系统,可以有最多一个崩溃故障。有了这些假设,确定性的容错收集算法,收集所有的初始配置,在一个非故障系统,除了一个特定的配置称为\emph{2S2 configuration}是可验证的。
2017-09-04 cs.DC
Stand-Up Indulgent Gathering on Lines for Myopic Luminous Robots
研究线形网络上近视发光机器人的崩溃容错集合问题(SUIG),证明当初始配置参数$M_{init}$或$O_{init}$为奇数时,该问题可在全同步模型中解决。
2024-01-09 cs.DC
Latecomers Help to Meet: Deterministic Anonymous Gathering in the Plane
一组匿名的移动代理,由在平面上自由移动的点代表,必须聚集在一个点并停止。代理人开始在飞机的不同点,并可能在不同的时间选择的对手。他们配备了指南针,一个共同的距离单位和时钟。它们执行相同的确定性算法并以速度1行驶。当智能体的距离最多为$ε$时,对于某个未知的正常数$ε$,它们可以交换所有信息。由于代理的匿名性和平面的对称性,收集是不可能的,例如,如果代理在大于$ε$的距离处同时启动。然而,如果一些代理开始时相对于其他代理延迟,则收集可能成为可能。在哪些情况下,这些后来者可以促成聚集?为了回答这个问题,我们考虑形式化为对$\{(p_1,t_1), (p_2,t_2),\dots , (p_n,t_n)\}$的集合的初始配置,对于$n\geq 2$,其中$p_i$是第$i$代理的起始点,并且$t_i$是其起始时间。如果从初始配置开始的代理可以通过某种算法收集,甚至专用于此特定配置,则初始配置是可验证的。我们刻画了所有可解的初始构型。有没有一种通用的确定性算法,可以收集给定大小的所有可并行配置。事实证明,答案是否定的。我们表明,所有可扩展的配置可以分为两组:坏的和好的配置。我们表明,坏的可配置(即使大小为2)不能收集一个共同的收集算法,我们证明,有一个通用的算法,收集所有良好的配置一个给定的大小。
2018-11-15 cs.DC
Gathering with a strong team in weakly Byzantine environments
我们研究的收集问题,需要一队移动代理收集在任意网络中的一个单一的节点。该团队由具有唯一标识符(ID)的$k$代理组成,其中$f$是弱拜占庭代理,除了伪造其标识符外,其行为是任意的。代理在同步轮中移动,并且不能在节点上留下任何信息。如果给定代理的节点数$n$,则现有的最快算法容忍任何数量的弱拜占庭代理,并在$O(n^4\cdot|Λ_{good}|\cdot X(n))$轮中实现同时终止的聚集,其中$|Λ_{good}|$是非拜占庭代理的最大ID的长度,$X(n)$是探索由$n$节点组成的任何网络所需的轮数。在本文中,我们提出了一个问题,如果我们有一个强大的团队,我们是否可以降低时间复杂度,即,一个由几个拜占庭代理组成的团队,因为没有那么多代理在实践中会出现错误。我们给出了一个肯定的答案,这个问题提出了两个算法的情况下,至少存在$4f^2+9f+4$代理。这两种算法都以$n$的上界$N$作为输入。第一种算法实现了在$O((f+|Λ_{good}|)\cdot X(N))$轮中非同时终止的聚集。第二个算法实现了收集与同时终止在$O((f+|Λ_{all}|)\cdot X(N))$轮,其中$|Λ_{all}|$是所有代理的最大ID的长度。第二个算法显着降低了时间复杂度相比,现有的一个,如果$n$给代理和$|Λ_{all}|=O(|Λ_{good}|)$持有。
2020-08-01 cs.DC
Fast Deterministic Gathering with Detection on Arbitrary Graphs: The Power of Many Robots
本文针对任意图带检测聚集问题,提出利用多机器人特性的确定性算法,无需知晓机器人数量仅需节点数,在不同机器人数量下均优于现有仅聚集的确定性解法复杂度。
2023-05-02 cs.DC
Fast Byzantine Gathering with Visibility in Graphs
我们认为收集任务由一个团队的$m$同步移动机器人在图中的$n$节点。每个机器人都有一个标识符(ID),并运行自己的确定性算法,即,没有中央协调员。我们考虑一个特别具有挑战性的场景:团队中有$f$拜占庭机器人,它们可以任意行为,甚至可以随时将其ID更改为任何值。没有办法区分这些机器人和没有故障的机器人,除了观察奇怪或意外的行为。收集任务的目标是最终使所有无故障机器人位于同一轮中的同一节点。众所周知,除非团队中至少有$f+1$无故障机器人,否则没有算法可以解决此任务。在本文中,我们设计了一个算法,在多项式时间内运行的$n$和$m$,匹配这个界限,即,它在一个有$f+1$无故障机器人的团队中工作。在我们的模型中,我们为机器人配备了传感器,使每个机器人能够看到其当前节点的$H$距离内的子图(包括机器人)。我们证明了收集任务是可解的,如果这个可见性范围$H$是至少是图的半径,而不是可解的,如果$H$是任何固定的常数。
2020-09-03 cs.DC cs.DS
Gathering a Euclidean Closed Chain of Robots in Linear Time
这项工作的重点是以下问题有关的$n$自治,移动机器人在欧几里德平面的聚集问题:是否有可能解决聚集的机器人,不同意在任何轴的坐标系(迷失方向的机器人),看到其他机器人只有一个恒定的距离(有限的能见度)在$o(n^2)$完全同步轮?解决具有有限可见性的迷失方向机器人的聚集的最知名算法,假设遗忘机器人需要$Θ(n^2)$回合[SPAA'11]。该算法的下限甚至在简化的闭链模型中也成立,其中每个机器人正好有两个邻居,并且链连接形成一个循环。唯一现有的算法实现了一个线性数量的回合迷失方向的机器人假设机器人位于一个二维的网格[IPDPS'16]和[SPAA'16]。这两种算法都使用了局部可见光(LUMINOUS模型)。在这项工作中,我们显示的闭链模型,$n$迷失方向的机器人有限的可见度在欧几里德平面可以聚集在$Θ\left(n\right)$轮假设LUMINOUS模型。这些灯用于启动和执行所谓的沿链运行。对于这样的运行的开始,需要确定本地唯一的机器人。与网格[IPDPS'16]相反,这在欧几里德平面中的每个配置中都是不可能的。基于Grünbaum的等角多边形理论,我们确定了一类等角配置,其中没有这样的本地唯一的机器人可以识别。我们的解决方案结合了两种算法:第一种算法收集等角配置;它在没有任何灯光的情况下工作。第二个适用于非等角配置;它使用恒定数量的灯光识别本地唯一的机器人开始运行。交错使用这些…
2021-08-21 cs.DC
Can Like Attract Like? A Study of Homonymous Gathering in Networks
Aix Marseille Univ(艾克斯-马赛大学)
研究移动智能体网络中允许标签重复时的确定性聚集问题,完整刻画了可聚集团队的特征,设计了仅需极少共同知识的近最优时间算法,并解决了任意规模团队的终止检测难题。
2025-11-04 cs.DC cs.DS
When Robots Crash: Optimal Asynchronous Gathering at Weber Meeting Nodes
Indian Institute of Technology Jodhpur(印度海德拉巴理工学院);Birla Institute of Technology Mesra(比尔拉理工学院梅斯拉分校)
针对异步匿名无记忆机器人在崩溃故障下的最优聚集问题,提出CrashTolerantWeberGathering算法,使每个机器人独立选择同一韦伯会议节点,避免依赖指定机器人,保证有限时间内聚集并最小化总曼哈顿距离。
2026-10-07 cs.CG cs.DC cs.MA
Gathering on a Circle with Limited Visibility by Anonymous Oblivious Robots
Sapienza University of Rome(罗马大学);JAIST(日本先进科学技术研究所);University of Aizu(会津大学);Kyushu University(九州大学)
本文研究了在半同步调度和有限可见性条件下,匿名无记忆机器人在圆周上的聚集问题,证明了当可见角距离为π时存在解决算法,而当其不大于π/2时则无解。
2024-11-17 cs.CG cs.DC cs.RO
Gathering Anonymous, Oblivious Robots on a Grid
Heinz Nixdorf Institute(海因茨·尼克斯多夫研究所);University of Paderborn(帕德博恩大学)
我们考虑一群$n$自主移动机器人,分布在一个2维网格。这样一个群体的基本任务是收集过程:所有机器人都必须聚集在一个(不是预定义的)地方。一个非常简单的机器人的常见局部模型如下:机器人没有共同的指南针,只有恒定的视野半径,是自主的和不可区分的,每一步最多可以移动一个恒定的距离,不能通信,是健忘的,没有标志或状态。该机器人模型下的唯一收集算法,具有已知的运行时间界限,需要$\mathcal{O}(n^2)$轮,并在欧几里得平面中工作。该算法的底层时间模型是完全同步的$\mathcal{FSYNC}$模型。另一方面,在2维网格的情况下,对于相同时间和类似的局部模型的唯一已知的收集算法另外需要恒定的存储器、状态和“标志”,以将这些状态传送到观看范围中的邻居。他们聚集在时间$\mathcal{O}(n)$。在本文中,我们贡献了(据我们所知)网格上的第一次收集算法,该算法在与上述欧几里得平面策略相同的简单局部模型下工作,即,没有记忆(不经意的)、“标志”和状态。我们证明了它的正确性和$\mathcal{O}(n^2)$的时间限制在完全同步的$\mathcal{FSYNC}$时间模型。该时间界限与上述欧几里得平面的最佳已知算法的时间界限相匹配。我们说,如果所有机器人都位于$2\times 2$正方形内,则完成了收集,因为在$\mathcal{FSYNC}$中无法解决此类配置。
2017-08-03 cs.DC cs.MA cs.RO
Anonymous Meeting in Networks
一个由未知数量的移动代理组成的团队,从一个未知网络的不同节点开始,可能在不同的时间,必须在同一个节点见面。代理是匿名的(相同的),执行相同的确定性算法,并沿着网络的链接同步移动。哪些配置是可验证的,以及如何通过相同的算法确定性地收集所有配置?我们给出了一个完整的解决方案,这个收集问题在任意网络。我们刻画了所有可重构的配置,并给出了两个通用的确定性聚集算法,即,收集所有可验证配置的算法。第一个算法的工作原理的假设下,上界n的网络的大小是已知的。在这种情况下,我们的算法保证收集与检测,即,对于任何可验证的配置,存在一轮,使得所有代理都在同一节点,并且都声明收集完成。如果没有上限的网络的大小是已知的,我们表明,一个通用的算法收集检测不存在。因此,对于这个更难的场景,我们构建了第二个通用的收集算法,它保证,对于任何可扩展的配置,所有代理最终到达一个节点并停止,尽管他们不能告诉收集是否结束。第一个算法的时间是网络大小上界n的多项式,而第二个算法的时间是(未知)大小本身的多项式。我们的研究结果有一个重要的后果领导选举问题的匿名代理在任意图。对于图中的匿名代理,领导者选举结果相当于检测收集。因此,作为一个副产品,我们获得了一个完整的解决方案的领导人选举问题的匿名代理在任意图。
2016-03-13 cs.DC cs.DS
The Gathering Problem for Two Oblivious Robots with Unreliable Compasses
Nagoya Institute of Technology(名古屋工业大学);Japan Advanced Institute of Science and Technology(日本北陆先端科学技术大学院大学);Kyushu University(九州大学)
在讨论匿名移动机器人的模式形成问题时,通常将其分为同步、半同步和异步机器人。对于半同步机器人,所有可利用记忆形成的图案也可以在没有记忆的情况下形成,唯一的例外是形成点(即,两个机器人的集合。然而,收集两个半同步机器人没有记忆的问题是平凡的解决时,他们的局部坐标系是一致的,和不可能性证明本质上使用的不一致性,在他们的坐标系。受此启发,本文研究了局部坐标系之间的一致性的大小,必要和充分的解决半同步和异步模型下的两个不经意的机器人收集问题。为了讨论一致性的大小,我们假设每个机器人都配备了一个不可靠的指南针,其轴承可能会偏离绝对参考方向,每个机器人的局部坐标系由其指南针确定。我们考虑两类不可靠罗盘,即常方位的静态罗盘和方位可任意变化的动态罗盘。对于机器人和指南针模型的每种组合,我们建立了偏差θ的条件,该条件允许算法解决收集问题,其中偏差由指南针的x轴与全局坐标系的参考方向之间形成的最大角度测量:对于具有静态罗盘的半同步和异步机器人,θ < π/2,对于具有动态罗盘的半同步机器人,θ < π/4,对于具有动态罗盘的异步机器人,θ < π/6。除了具有动态罗盘的异步机器人外,这些充分条件也是必要的。
2011-11-07 cs.DC cs.DS cs.RO
Pairbot: A Novel Model for Autonomous Mobile Robot Systems Consisting of Paired Robots
针对自主移动机器人系统任务执行能力不足、可编程物质落地有差距的问题,提出基于配对机制的Pairbot模型,可提升异步场景下机器人连通性与问题可解性,为相关固有问题解决提供新思路。
2024-10-08 cs.DC
TuringMobile: A Turing Machine of Oblivious Mobile Robots with Limited Visibility and its Applications
Aix-Marseille University(艾克斯-马赛大学);University of Ottawa(渥太华大学);Carleton University(卡尔顿大学);JAIST(北陆先端科学技术大学院大学)
在本文中,我们研究了一组移动机器人有限的能见度的计算能力。在每一次迭代中,机器人拍摄其周围环境的快照,使用快照来计算目的地点,并向其目的地移动。每个机器人都是点状和无记忆的,它在$\mathbb{R}^m$中运行,它有一个独立于其他机器人的本地参考系统,并由对抗调度器异步激活。此外,机器人是非刚性的,因为它们可以在到达目的地之前的每次移动时被调度器停止(但是保证在停止之前至少行进固定的未知距离)。我们表明,尽管有这些强大的限制,它是有可能安排这些弱实体的$3m+3k$在$\mathbb{R}^m$,以模拟一个更强的机器人是刚性的行为(即,它总是到达它的目的地),并且被赋予持久存储器的$k$寄存器,每个寄存器可以存储实数。我们称这种安排为TuringMobile。在最简单的形式中,只有三个机器人组成的TuringMobile可以在飞机上旅行,并存储和更新单个实数。我们还证明,这个任务是不可能的,少于三个机器人。在TuringMobile的应用程序中,我们专注于近距离聚集(所有机器人都必须聚集在一个足够小的磁盘中)和模式形成(其中聚集是一个特例)。有趣的是,我们的调查意味着这两个问题是可解决的任何维度的欧几里得空间,即使机器人的可见性图最初是断开的,只要少量的这些机器人被安排形成一个TuringMobile。在飞机的特殊情况下,只有三个机器人的基本TuringMobile就足够了。
2018-08-06 cs.CG cs.DC cs.RO
Complete Visibility Algorithm for Autonomous Mobile Luminous Robots under an Asynchronous Scheduler on Grid Plane
Nagoya Institute of Technology(名古屋工业大学);Hosei University(法政大学)
针对无限网格平面上不透明发光机器人的完全可见性问题,提出一种仅用两种颜色、支持异步运行且无需知晓机器人总数的分布式算法,明确了机器人能力与问题可解性的关联。
2023-06-14 cs.DC cs.RO
Approximation Algorithms for Barrier Sweep Coverage
时变覆盖,即扫描覆盖是无线传感器网络领域的一个新发展,其中少量的移动传感器周期性地扫描或监测相对大量的位置。在这篇文章中,我们研究了移动传感器的障碍扫描覆盖被认为是一个有限长度的平面上的连续曲线的障碍。曲线上每个点的覆盖率是随时间变化的。我们提出了一个最佳的解决方案,扫描覆盖的有限长度连续曲线。移动传感器的能量来源通常是有限功率的电池,因此能量受限的扫描覆盖对于长时间运行的应用来说是一个具有挑战性的问题。我们提出了一个能量受限的扫描覆盖问题,每个移动传感器必须经常访问一个能源充电或更换电池。我们提出了一个$\frac{13}{3}$ -近似算法。所提出的多曲线算法在特殊情况下实现了最佳逼近因子2。我们针对一般问题提出了一个5-近似算法。作为一组线段的障碍扫描覆盖问题的应用,我们制定了一个数据收集问题。在这个问题中,一组移动传感器任意地监测线段,每个线段一个。一组数据骡子周期性地从该组移动传感器收集监测数据。我们证明了寻找最少数量的数据骡子定期收集数据从每个移动传感器是NP难的,并提出了一个3-近似算法来解决它。
2017-04-08 cs.DC
Unreliable Sensors for Reliable Efficient Robots
绝大多数现有的分布式计算文献的移动机器人群考虑可计算性问题:表征一组系统假设,使问题的可解决性。相比之下,这项工作的重点是研究复杂性问题:获得关于一个给定的问题,承认解决方案的定量结果。我们的定量测量依赖于一个新开发的模拟框架,以基准笔和纸的设计。首先,我们考虑在给定位置收集机器人时的最大行进距离,在经典的OBLOT模型中,对于FSYNC,SSYNC和ASYNC机器人,事先不知道(在两个机器人和n个机器人设置中)。这个特定的指标似乎是相关的,因为它与现实世界的燃料消耗密切相关。然后,我们介绍了错误的机器人的视觉的可能性,并评估的行为已知的会合(又名两个机器人聚集)和领导人选举协议时,传感器是不可靠的。我们还介绍了两种新的算法,一种是燃油效率的收敛,一种是领导者选举,尽管不可靠的传感器可靠地运行。
2021-05-20 cs.CG cs.DC
Compatibility of convergence algorithms for autonomous mobile robots
本文从兼容性角度研究自主移动机器人的收敛与容错收敛问题,将收敛、FC(1)、FC(1)-PO、FC(f)-CP、聚集及FC(f)-PO等按目标函数集合是否兼容分为三组,揭示不同容错收敛问题间的本质差异。
2023-05-30 cs.DC cs.DS
Computer Aided Formal Design of Swarm Robotics Algorithms
以前的工作正式研究移动机器人群考虑必要和充分的系统假设,使解决理论基准问题(几何图案的形成,收集,散射等)。我们认为,正式的方法也可以帮助在移动机器人群协议设计的早期阶段,获得正确的设计协议,即使是从现实世界的用例中产生的问题,以前没有研究过理论。我们的立场得到了一个具体案例研究的支持。从现实世界的情况下,我们共同设计的正式的问题规范,一个家庭的协议,能够解决问题,以及相应的正确性证明,所有表示相同的正式框架。我们开发的具体框架是基于COQ证明助手的PACTOLE库。
2021-01-18 cs.CG cs.DC cs.DM
Spatio-Temporal Coverage Enhancement in Drive-By Sensing Through Utility-Aware Mobile Agent Selection
近年来,驾车感应模式已经变得越来越受欢迎,以实现对城市地区的经济有效的监测。驾车感应是一种形式的人群感应,其中配备传感器的车辆(又名,移动代理)是主要的数据收集代理。提高驾驶感测的功效提出了许多挑战,其中一个重要的挑战是选择非专用的移动代理,在其上安装有限数量的传感器。这个问题,我们称之为移动代理选择问题,有显着的时空覆盖的驱动传感平台和由此产生的数据集的影响。这方面的挑战是在考虑到地理区域的相对重要性的同时实现最大的时空覆盖。在本文中,我们解决这个问题的背景下,SCOUTS项目,其目标是准确地映射和分析城市热岛现象。我们的工作做出了几项重大的技术贡献。首先,我们描绘了一个模型,代表移动代理选择问题。该模型考虑了车辆(在我们的情况下是公共交通巴士)的轨迹和城市区域的相对重要性,并将其公式化为优化问题。其次,我们提供了两个算法,是基于实用程序(覆盖)值的移动代理,即,基于热点的算法,限制搜索空间的重要子区域和实用程序感知的遗传算法,使后者的算法,使无偏的选择。第三,我们设计了一个高效的覆盖冗余最小化算法,在每一步,选择移动代理,这提供了最大的改善时空覆盖。本文报告了一系列的实验,从雅典,GA,美国的真实世界的数据集,以证明所提出的方法的有效性。
2020-02-14 cs.DC eess.SP
Want to Gather? No Need to Chatter!
一组移动代理,从一个未知网络的不同节点开始,可能在不同的时间,必须在同一个节点见面,并声明他们都见过面。代理有不同的标签,并沿着网络的链接同步移动。上述任务被称为收集,传统上被认为是假设当一些代理在同一节点时,它们可以交谈。在本文中,我们问的问题,是否需要这种能力的谈话是收集。我们的主要贡献是两个确定性算法,总是在一个更弱的模型中完成收集。我们只假设在任何时候,代理知道有多少代理在节点上,它目前占用,但代理看不到其他co-located代理的标签,不能与他们交换任何信息。它们也看不到当前节点以外的其他节点。我们的第一个算法的工作原理的假设下,代理知道先验的一些上限N的网络大小,它的工作时间多项式在N和长度l的最小标签。我们的第二个算法不假设任何先验知识的网络,但其复杂性是指数的网络规模和标签的代理。其目的是显示在这种更苛刻的情况下收集的可行性。作为我们的技术的副产品,我们得到,在同一个弱模型中,代理之间的领导选举的基本问题的解决方案。作为我们的结果的应用,我们也解决了,在同一个模型中,众所周知的八卦问题:如果每个代理在开始时有一个消息,我们展示了如何使所有的消息已知的所有代理,即使没有任何先验知识的网络。如果代理知道网络大小的上限N,那么我们的八卦算法在N,l和最大消息的长度的时间多项式中工作。
2019-08-29 cs.DC cs.DS
Universal Systems of Oblivious Mobile Robots
遗忘移动机器人是一个位于空间宇宙中的无状态计算实体,能够在该宇宙中移动。当被激活时,机器人观察宇宙和其他机器人的位置,选择一个目的地,并移动到那里。目的地的计算是通过执行一个算法来完成的,这个算法对所有机器人都是一样的,它的唯一输入是当前的观察结果。所有这些动作的记忆在移动后都不会保留。当宇宙是一个图时,由不经意的移动机器人进行的分布式计算已经被深入研究,重点是基本问题的可行性条件(例如,收集、探索)在不同的分类器下的特定类别的图中。在本文中,我们开始一个不同的,更一般的,类型的调查。随着机器人从顶点到相邻顶点的运动,系统从一种配置过渡到另一种配置。将这种转变看作是对抽象函数的计算,我们要问哪些函数是由哪些系统计算的。我们的主要兴趣是确定系统的“通用”,在这个意义上,他们可以共同计算所有有限的功能。我们能够确定几个这样的类的完全同步系统。特别是,在其他结果中,我们证明了一组至少有一个机器人的所有图的普遍性,任何一组图至少有两个机器人,其商图包含任意长的路径,和任何一组图至少有三个机器人和任意大的有限围长。然后,我们专注于网络必须具有的最小尺寸,以便机器人能够计算给定有限集上的所有函数。我们能够将这种网络的最小尺寸近似为当$n$趋于无穷大时趋于2的因子。
2016-07-08 cs.DC cs.DM math.CO