Hardwired Pattern Formation by Mobile Robots with Common Unit Distance
Kyushu University(九州大学);Sorbonne Université(索邦大学);CNRS(法国国家科学研究中心);LIP6(LIP6实验室);IUF(法国高等研究院)
提出硬连线模式形成问题,要求机器人形成指定尺寸的目标模式,并研究不同同步和记忆条件下机器人的解决能力。
2026-06-23 cs.DC
Optimal Asynchronous Rendezvous for Mobile Robots with Lights
我们研究了一个自主移动机器人在异步设置与持久性记忆称为光的Renaissance问题。众所周知,当机器人在基本的普通模型中没有灯时,即使系统是半同步的,也是不可能实现Renminbi的。另一方面,如果机器人在几种类型的灯光中具有恒定数量的颜色,则Renaissance是可能的。在异步设置中,如果机器人不仅可以使用自己的光,还可以使用其他机器人的光(全光),则可以通过具有4种颜色的光的机器人在非刚性运动中解决Renault,其中非刚性运动意味着机器人可以在到达计算的目的地之前停止,但可以移动最小距离δ> 0,并且刚性运动意味着机器人可以到达计算的目的地。在半同步设置中,可以在非刚性运动中使用2种颜色的全光来解决Renault。在本文中,我们表明,在异步设置中,如果机器人知道最小距离δ的值,则可以在刚性运动和非刚性运动中使用2种颜色的全光来解决Renaissance。我们还表明,Renaissance可以解决一般的非刚性运动,如果我们考虑一些合理的限制类的异步设置2颜色的全光。
2017-07-14 cs.DC
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
Efficient Dispersion of Mobile Agents without Global Knowledge
我们考虑移动代理的分散问题。最初,k个代理位于无向图中的任意节点。代理可以通过图中的边同步地从节点迁移到节点。我们的目标是让k个代理位于不同的k个节点,最小化分散完成前的步骤数和代理使用的工作内存空间。Kshemkalyani和Ali [ICDCN,2019]提出了一种快速且空间有效的分散算法,假设每个代理都具有全局知识,例如图的边数和最大度。在本文中,我们提出了一个分散算法,不需要这样的全局知识,但保持渐近相同的运行时间和略小的内存空间。
2020-08-21 cs.DC
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
Ring Exploration with Myopic Luminous Robots
我们研究探索算法的自主移动机器人在均匀的环形网络中发展。与通常的Look-Compute-Move(LCM)模型不同,我们考虑了两个特征:近视和亮度。近视意味着每个机器人的能见度有限。我们考虑近视的最弱假设:每个机器人只能观察其相邻节点。亮度意味着每个机器人都保持着不挥发的可见光。我们考虑最弱的假设亮度:每个机器人只能使用两种颜色的光。本文的主要兴趣是澄清光度对近视机器人探索的影响。作为一个主要的贡献,我们证明了:1)在完全同步模型中,两个和三个机器人是必要的和充分的实现永久和终止的探索,分别和2)在半同步和异步模型中,三个和四个机器人是必要的和充分的实现永久和终止的探索,分别。这些结果澄清了近视机器人的灯的功率,因为没有灯,五个机器人是必要的和足够的,以实现终止探索在完全同步模型,并没有终止探索算法存在于半同步和异步模型。我们还表明,在完全同步模型(分别为,半同步和异步模型),所提出的永久探索算法是通用的,即该算法从具有两个(分别,三)机器人和两种颜色。另一方面,我们表明,在完全同步模型(分别,半同步和异步模型),不存在用于终止探索的通用算法,即,没有算法可以从具有三个(分别,四)机器人和两种颜色。
2018-05-10 cs.DC
Consensus vs Broadcast in Communication Networks with Arbitrary Mobile Omission Faults
我们比较的解决方案的共识和广播问题的同步通信网络中的消息传递是不可靠的。故障模型是移动遗漏故障模型。在每一轮中,一些消息可能会丢失,并且可能同时丢失的集合对于每一轮都是相同的。我们调查这些问题的第一次任意可能的失败。以前,这些集合是通过限制故障数量来定义的。在这种情况下,我们提出了一个新的必要条件的共识,统一以前的不可能性结果在这方面的可解性。此条件使用Broadcastability属性表示。作为一个非常重要的应用程序,我们表明,当可能发生的遗漏集是由边界的失败,以任何方式(本地,全球等)计数的数量定义,那么共识问题实际上等同于广播问题。
2012-05-31 cs.DC
Efficient Dispersion of Mobile Robots on Graphs
图上的分散问题要求$k$机器人任意放置在匿名图的$n$节点处,其中$k \leq n$彼此协调以达到最终配置,其中每个机器人在图的不同节点处。分散的问题是重要的,由于它的关系,图形探索移动机器人,分散在一个图形上,和负载均衡。此外,分散的一个内在应用已被证明是将自动驾驶电动汽车(机器人)重新安置到充电站(节点)。我们提出了三个有效的算法来解决分散图。我们的算法需要$O(k \log Δ)$位在每个机器人,和$O(m)$步骤运行时间,其中$m$是边的数量和$Δ$是度的图。这些算法的不同之处在于它们处理的是同步还是异步系统模型,以及维护什么、在哪里以及如何维护数据结构。
2018-05-30 cs.DC
On the impact of unlimited computational power in OBLOT: consequences for synchronous robots on graphs
该研究针对OBLOT模型中机器人计算能力被忽视的问题,证明无限计算能力对图上同步机器人有显著影响,并提出了保证最少移动和轮数的通用求解算法。
2025-09-04 cs.DC
Wait-Free Gathering of Mobile Robots
University Pierre et Marie Curie - Paris 6(巴黎第六大学(皮埃尔和玛丽·居里大学));LIP6-CNRS 7606(法国国家科学研究中心LIP6实验室(7606));BGU(本-古里安大学);Technion-Israel Institute of Technology(以色列理工学院)
将多个移动机器人聚集到一个位置的问题,是自治机器人分布式协调的基本问题之一。这个问题已经被研究和解决,即使是匿名的,迷失方向的,无记忆的,并在半同步(ATOM)模型中运行的机器人。然而,所有已知的解决方案都要求机器人是无故障的,除了[Agmon和Peleg 2006]的结果,他们解决了存在一个崩溃故障的收集问题。这就留下了一个问题,即在存在多个碰撞故障的情况下,是否可以实现正确的机器人集合。我们解决了本文中的问题,并展示了如何解决聚集,当任何数量的机器人可能会在算法过程中的任何时候崩溃,假设强多重检测和手性。相反,已知对于更强的拜占庭故障,如果一个机器人有故障,则即使在3-机器人系统中也不可能聚集。我们的算法解决了正确的机器人在半同步模型,对手可能会停止任何机器人到达其所需的目的地。此外,该算法是自稳定的,因为它实现了从任何配置开始的收集(除了不可能进行确定性收集的二价配置)。
2012-07-01 cs.DC cs.RO
Improved Linear-Time Construction of Minimal Dominating Set via Mobile Agents
Indian Statistical Institute(印度统计研究院)
本文提出通过移动代理在同步环境下以线性时间构造最小支配集,并在此过程中构建生成树和选举领导者。
2025-11-25 cs.DC cs.DS cs.MA
Asynchronous Gathering Algorithms for Autonomous Mobile Robots with Lights
我们考虑一个收集问题的n个自主移动机器人与持久内存称为光在异步调度器(ASYNC)。众所周知,当机器人在基本的通用模型中没有灯时,如果系统是半同步的(SSYNC)甚至是集中式的(每次只有一个机器人处于活动状态),则不可能进行收集。据了解,在ASYNC中,可以通过具有10种颜色的灯光的机器人来解决收集问题。这个结果是通过结合以下结果得到的。(1)用5k种颜色的ASYNC机器人模拟了k种颜色的SSYNC机器人,(2)用2种颜色的SSYNC机器人解决了聚集问题。在本文中,我们通过减少颜色的数量来改进结果,并表明可以通过具有3种颜色的灯光的ASYNC机器人来解决聚集问题。我们还表明,我们可以构建一个模拟算法的任何不公平的SSYNC算法使用k颜色的ASYNC机器人与3k颜色,不公平并不能保证每个机器人被激活无限频繁。将该仿真结果与SSYNC机器人的2种颜色的Gathering算法相结合,得到了ASYNC机器人的6种颜色的Gathering算法。我们的主要结果可以通过将颜色的数量从6减少到3来获得。
2021-11-09 cs.DC
Optimal Rendezvous ${\mathcal L}$-Algorithms for Asynchronous Mobile Robots with External-Lights
我们研究了2个自主移动机器人在异步环境中的Renminbi问题,持久记忆称为光。众所周知,当机器人没有灯光时,即使系统是半同步的,在基本模型中也不可能实现Renaissance。另一方面,如果机器人有各种类型的灯,并且颜色数量恒定,则Renaissance是可能的。如果机器人不仅能观察到自己的灯光,还能观察到其他机器人的灯光,那么它们的灯光就被称为全光。如果机器人只能观察其他机器人的灯光状态,则称之为外部光。在本文中,我们专注于机器人与外部灯在异步设置和一类特殊的算法(称为L-算法),其中L-算法计算的目的地仅基于当前颜色的可观察到的灯光。当考虑L算法时,Renault可以由具有全光和3种颜色的机器人在一般异步设置(称为ASYNC)中解决,并且颜色的数量在这些假设下是最佳的。相比之下,在ASYNC中不存在L算法,不管颜色的数量如何,都使用外部光源。在本文中,我们考虑了一个相当大的子类ASYNC中,Renaissance可以解决L-算法使用外部光与有限数量的颜色,我们表明,该算法是最佳的颜色,他们使用的数量。
2018-04-04 cs.DC
Optimal Dispersion of Silent Robots in a Ring
本文研究环网络中静默机器人的分散问题,针对多源出发场景提出一种确定性分布式算法,在O(log L+k)轮内完成分散且每机器人仅需O(log L)比特内存,并证明该时间下界为Ω(log L+k),从而确立算法最优性。
2024-08-10 cs.DC
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
Pattern Formation by Robots with Inaccurate Movements
Jadavpur University(贾达布尔大学)
\textsc{Arbitrary Pattern Formation}是自主移动机器人系统中的一个基本问题。该问题要求设计一个分布式算法,移动一组自主的,匿名的和相同的移动机器人,以形成任何任意模式$F$作为输入。在本文中,我们研究的问题,机器人的运动可能是不准确的。我们的运动模型假设了预期运动的方向和程度上的误差。在这种情况下,不可能精确地形成给定的图案。因此,我们要求机器人必须形成接近给定模式$F$的配置。我们称之为\textsc{Approximate Arbitrary Pattern Formation}问题。我们表明,在坐标系没有协议,问题是不可解的,即使是完全同步的机器人,如果初始配置1)有旋转对称,没有机器人在旋转中心或2)有反射对称,没有机器人在反射轴上。从所有其他初始配置中,我们通过1)不经意的,无声的和半同步的机器人和2)可以使用外部可见光进行通信的不经意的,异步的机器人来解决问题。
2021-02-16 cs.DC cs.RO
Mutual Visibility by Robots with Persistent Memory
本文讨论了一组半同步的,不透明的机器人占据不同的位置在欧几里德平面的相互可见性问题。由于机器人是不透明的,如果三个机器人躺在一条线上,中间的机器人会挡住另外两个机器人的视线。相互可见性问题要求机器人在有限时间内协调它们的运动以形成一个构型,在该构型中没有三个机器人共线。机器人被赋予了恒定的持久记忆位。在这项工作中,我们考虑的FSTATE计算模型中的持久性存储器是由机器人只记住他们以前的内部状态。除了这个持久的记忆,机器人是健忘的,即,它们不从它们先前的计算周期中携带任何其它信息。本文提出了一种分布式算法来解决一组半同步机器人的相互可见性问题,只有1位的持久存储器。所提出的算法不施加任何其他限制的机器人的能力,并保证无碰撞的机器人运动。
2017-08-09 cs.DC
The Computational Landscape of Autonomous Mobile Robots: The Visibility Perspective
该研究移除自主移动机器人的完全可视性假设,探究恒定可视半径Vr对四种传统模型下机器人计算能力的影响,证实可视性限制确实存在影响,且无法判定可视性与同步性哪个因素作用更强。
2023-10-03 cs.DC
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
Adaptive Task Allocation for Asynchronous Federated and Parallelized Mobile Edge Learning
University of Idaho(爱达荷大学);Queen’s University(女王大学)
本文提出了一种方案,以异步方式有效地执行分布式学习任务,同时最大限度地减少梯度老化的异构计算和通信能力的无线边缘节点。本文中考虑的方法确保所有设备在一定的持续时间内工作,该持续时间涵盖数据/模型分发、学习迭代、模型收集和全局聚合的时间。所得到的问题是一个整数非凸规划,二次等式约束以及线性等式和不等式约束。由于该问题是NP-难的,我们放松了整数约束,以便有效地解决它与可用的求解器。分析边界推导出使用KKT条件和拉格朗日分析结合的最佳和改进的方法。实验结果表明,该方法降低了梯度失效率,并能提供更好的准确性比同步计划和异步计划的平等任务分配。
2020-06-18 cs.DC cs.LG
Live Exploration of Dynamic Rings
在图探索问题中,一组移动计算实体,称为代理,任意位于图的一些节点,必须合作,使每个节点最终访问至少一个代理。在文献中,主要关注的是静态的图;也就是说,拓扑结构要么在时间上不变,要么受到局部变化。关于动态图的探索的少数研究几乎都局限于集中式的情况(即,假定对变化及其发生时间的完全先验知识)。我们研究了动态图的分散探索(即,当代理不知道的位置和时间的变化)的重点,在本文中,对动态系统的基础图是一个环。我们首先考虑文献中传统上假设的完全同步系统;即,所有代理在每个时间步都是活动的。然后,我们引入半同步系统的概念,其中只有一个子集的代理可能是活跃的,在每个时间步(子集的选择是由对手),这种模式是常见的移动代理在连续空间的背景下,但从来没有研究过的代理移动图。我们的主要重点是同步水平以及其他因素,如匿名性,环的大小知识和手性(即,共同的方向)对问题的可解决性有影响,集中在所需代理的最小数量上。我们绘制了一个广泛的地图的可行性,和复杂性方面的最小数量的代理运动。我们所有的充分性证明是建设性的,几乎所有的解决方案协议是渐近最优的。
2018-05-18 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
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
On the Computational Power of Energy-Constrained Mobile Robots: Algorithms and Cross-Model Analysis
本文研究能量受限(但可再生)移动机器人的计算能力,通过跨模型分析发现LUMI模型下能量受限与不受限机器人计算能力无差异,而在其他模型中能量约束反而带来计算优势。
2022-03-13 cs.DC
Beyond Pairwise Comparisons: Unveiling Structural Landscape of Mobile Robot Models
Hosei University, Tokyo, Japan(恒河大学,东京,日本)
本文通过引入新问题和高阶比较,揭示了移动机器人模型中可观测性、存储器与同步性的复杂交互,扩展了14个典型模型的分离图,提供新的不可能性标准。
2025-09-11 cs.DC cs.RO
Efficient Dispersion of Mobile Robots on Arbitrary Graphs and Grids
图上的移动机器人分散问题要求最初任意放置在$n$-节点匿名图的节点上的$k\leq n$机器人自主地重新定位以达到每个机器人在图的不同节点上的配置。这个问题是显着的兴趣,由于其关系到其他基本的机器人协调问题,如勘探,分散,负载平衡,并重新定位的自驱动电动汽车(机器人)充电站(节点)。在本文中,我们提供了两种新的确定性算法的分散,一个任意图形和另一个网格图,在一个同步设置,所有机器人在每个时间步执行他们的行动。我们的算法为任意图形有$O(\min(m,kΔ) \cdot \log k)$步骤运行时使用$O(\log n)$位的内存在每个机器人,其中$m$是边缘的数量和$Δ$是最大程度的图形。这是对$O(mk)$步骤的指数改进,这是先前已知的最佳算法。特别是,我们的算法的运行时间是最佳的(高达$O(\log k)$因素)在常数度任意图。我们的算法网格图有$O(\min(k,\sqrt{n}))$步骤运行时使用$Θ(\log k)$位在每个机器人。这是第一个算法分散在网格图。此外,该算法是最佳的内存和时间时,$k=Ω(n)$。
2019-04-27 cs.DC cs.DS
Distributed Reinforcement Learning of Targeted Grasping with Active Vision for Mobile Manipulators
Preferred Networks, Inc.(优选网络公司)
开发能够在非结构化环境中执行各种操作任务的个人机器人需要解决机器人抓取系统的几个挑战。我们向这个更广泛的目标迈出了一步,提出了第一个基于RL的系统,据我们所知,移动机械手,可以(a)实现有针对性的把握概括到看不见的目标对象,(b)学习复杂的抓取策略,为混乱的场景与闭塞的对象,和(c)通过其可移动的手腕相机执行主动视觉,以更好地定位对象。系统以该对象的单个任意姿态RGB图像的形式被告知所需的目标对象,使得系统能够概括为未见过的对象而无需重新训练。为了实现这样一个系统,我们结合了深度强化学习的几个进步,并提出了一个使用同步SGD的大规模分布式训练系统,该系统可以无缝扩展到多节点,多GPU基础设施,使快速原型更容易。我们在模拟环境中对系统进行训练和评估,确定提高性能的关键组件,分析其行为,并将其转换为真实世界的设置。
2020-10-14 cs.AI cs.DC cs.LG
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
Time Optimal Distance-$k$-Dispersion on Dynamic Ring
本文提出了移动智能体Dispersion问题的变体Distance-$k$-Dispersion,证明了在动态环上解决该问题需要完全同步调度器,并给出了时间复杂度为$Θ(n)$轮的最优算法。
2024-08-22 cs.DC
Optimal Patrolling of High Priority Segments While Visiting the Unit Interval with a Set of Mobile Robots
考虑一个需要保护免受未经授权的渗透的区域。该区域的边界被建模为单位线段,由需要最高级别保护的高优先级段和需要无限频繁访问的低优先级段组成。我们研究了一组$k$机器人的边界巡逻问题。我们的目标是获得一个策略,最大限度地减少高优先级点的最大空闲时间(一个点无人值守的时间),同时无限频繁地访问低优先级点。我们使用单盖覆盖(固定长度的段)的概念,其中每个高优先级点被至少一个盖覆盖,然后我们将其扩展到强双盖覆盖,其中每个高优先级点被至少两个盖覆盖,并且单元线段被完全覆盖。设$λ_{k-1}$为接受带有$k-1$盖的单个$λ_{k-1}$盖盖的最小盖长度,$Λ_{2k}$为接受带有$2k$盖的坚固双$Λ_{2k}$盖的最小盖长度。我们表明,$2\min(Λ_{2k}, λ_{k-1})$是机器人的最大速度为1时的空闲时间的下限。为了计算$Λ_{2k}$和$λ_{k-1}$,我们提出了一个时间复杂度为$O(\max(k, n)\log{n})$的算法,其中$n$是高优先级段的数目。对于上界,首先,我们提出了一个战略与空闲时间$λ_{k-1}$,其中一个机器人覆盖的单位线,其余的机器人覆盖的盖子,一个单一的$λ_{k-1}$盖盖与$k-1$盖。然后,我们提出了一个简单的策略与空闲时间$3Λ_{2k}$,分裂成不相交的$k$段的机器人同步覆盖的单位线等长。然后,我们提出了一个复杂的战略,分裂成$k$…
2019-10-02 cs.DC
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
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
Separating Bounded and Unbounded Asynchrony for Autonomous Robots: Point Convergence with Limited Visibility
University of British Columbia(不列颠哥伦比亚大学);TU Eindhoven(埃因霍温理工大学);University of Perugia(佩鲁贾大学);University of Pisa(比萨大学);Carleton University(卡尔顿大学)
在由自主移动实体进行分布式计算的背景下的基本问题中,最具代表性和研究得最好的问题之一是{ \sc点收敛}:给定相同实体的任意初始配置,布置在欧几里得平面中,以这样的方式移动,对于所有$\eps>0$,最终达到并保持所有实体之间的分离最多为$\eps$的配置。这个问题之前已经在各种环境中进行了研究,包括完全可见性,精确测量(如距离和角度)以及实体的同步激活。我们的研究涉及的最小假设下,实体,移动异步有限和未知的可见性范围和有限的不精确测量,可以保证以这种方式收敛。我们提出了一个算法,解决{ \sc点收敛},在这样的设置中,提供的程度,在平面中的实体,在有界的:而任何一个实体是活跃的,任何其他实体可以被激活最多$k$次,对于一些任意大的,但固定的$k$。这为Katreniak提出的一个十年前的公开问题提供了一个强有力的积极答案。我们还证明,在一个类似的设置,允许无界的mesky,{ \sc点收敛}在平面上是不可能的,偶然的自然假设,算法保持(可见)的连接实体之间存在于初始配置。这种变体,我们称之为{ \sc凝聚收敛},用于区分自治移动实体的控制中有界和无界凝聚力的能力,同时解决了一个长期存在的问题,即在欧几里得平面中同步调度实体是否比异步调度实体更强大。
2021-05-27 cs.CG cs.DC cs.RO
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
Asymptotically Optimal Gathering on a Grid
在本文中,我们解决了一个群体的$n$不可区分的,点形机器人在一个二维的网格上的渐近最优时间$\mathcal{O}(n)$在完全同步的$\mathcal{FSYNC}$时间模型的局部聚集问题。给定一个任意分布(但连接)的机器人群,网格上的聚集问题是将所有机器人定位在事先未知的$2\times 2$大小的区域内。如果两个机器人在网格上是垂直或水平邻居,则它们是连接的。局部约束意味着没有全局控制,没有罗盘,没有全局通信,只有局部视觉是可用的;因此,机器人只能看到它的网格邻居到一个恒定的$L_1$距离,这也限制了它的运动。一个机器人可以移动到它的八个相邻网格单元之一,如果两个或多个机器人移动到同一个位置,他们是\emph{merged}只有一个机器人。局部性约束是这里的重要挑战性问题,因为机器人运动必须不损害(仅全局可检查)群连接。为了解决收集问题,我们提供了一个同步算法-由每个机器人执行-确保机器人合并而不破坏群连接。在我们的模型中,机器人可以获得一个特殊的状态,这标志着这样的机器人进行特定的连接保持运动,以允许以后的合并操作的群体。与网格相比,对于相同机器人和时间模型的欧几里得平面中的聚集,最知名的上限是$\mathcal{O}(n^2)$。
2016-02-10 cs.DC cs.MA
Using Model Checking to Formally Verify Rendezvous Algorithms for Robots with Lights in Euclidean Space
本文详细介绍了第一次成功的尝试,使用模型检查技术来验证分布式算法的正确性,机器人在\emph{continuous}环境中不断发展。研究了带灯光的两机器人交会问题。存在许多不同的会合算法,其目的在于找到解决各种同步模型中的会合所需的最小颜色数量(例如,FSYNC、SSYNC、ASYNC)。虽然这些会合算法通常非常简单,但它们的分析和正确性证明往往非常复杂,繁琐,并且容易出错,因为不可能的结果是基于机器人激活计划之间的微妙相互作用。本文提出了一个通用的验证模型编写的SPIN模型检查器。特别是,我们解释了微妙的设计决策,允许保持有限的搜索空间和听话,以及证明了几个重要的定理,支持他们。作为一个健全的检查,我们使用该模型来验证几个已知的会合算法在六个不同的模型的同步。在每种情况下,我们发现,从模型检查器获得的结果与文献中已知的结果是一致的。模型检查器在每个已知失败的情况下输出反例执行。在开发和证明模型的有效性的过程中,我们确定了几个基本定理,包括一个精心选择的算法和ASYNC调度器产生一个新兴的记忆体在一个系统的遗忘移动机器人的能力,以及为什么它不是一个问题,发光会合算法。
2019-07-23 cs.DC cs.MA
Dispersion of Mobile Robots in the Global Communication Model
University of Illinois at Chicago(伊利诺伊大学芝加哥分校);Indian Statistical Institute(印度统计研究所);Kent State University(肯特州立大学)
图上的分散问题要求最初任意放置在$n$ -节点匿名图的节点上的$k\leq n$机器人自主地重新定位以达到每个机器人在图的不同节点上的配置。这个问题是显着的兴趣,由于它的关系,其他基本的机器人协调问题,如探索,分散,负载平衡等。在本文中,我们考虑分散在{ \em全球通信}模型中的机器人可以与任何其他机器人在图(但图形是未知的机器人)。我们提供了三种新的确定性算法,两个任意图形和任意树,在一个同步设置,所有机器人在每个时间步执行他们的行动。对于任意图形,我们的第一个算法是基于DFS遍历,并保证$O(\min(m,kΔ))$步骤运行时使用$Θ(\log (\max(k,Δ)))$位在每个机器人,其中$m$是边缘的数量和$Δ$是图的最大程度。第二种算法是基于BFS遍历,并保证$O( \max(D,k) Δ(D+Δ))$步骤运行时使用$O(\max(D,Δ\log k))$位在每个机器人,其中$D$是图的直径。用于任意树的算法也基于BFS遍历,并在每个机器人处使用$O(\max(D,Δ\log k))$位来保证$O(D\max(D,k))$步骤运行时。我们的研究结果是显着的改进相比,现有的结果建立在{ \em本地通信}模型,其中一个机器人只能与其他机器人在同一个节点上进行通信。特别是,基于DFS的算法是最佳的内存和时间在常数度任意图。当$k\leq O(D)$ .
2019-09-04 cs.DC cs.DS cs.RO
Oblivious Permutations on the Plane
JAIST(北陆先端科学技术大学院大学);Kyushu University(九州大学);Aix-Marseille University(艾克斯-马赛大学);CNRS(法国国家科学研究中心);University of Rome “Sapienza”(罗马第一大学);University of Ottawa(渥太华大学);Carleton University(卡尔顿大学)
本文考虑了一个由n个相同的移动机器人组成的分布式系统,该系统在二维的欧几里德平面上运行。与以前的研究一样,我们认为机器人是匿名的,不经意的,迷失方向的,没有任何通信能力,基于Look-Compute-Move模型操作,机器人的下一个位置仅取决于其当前配置的视图。即使在这个看似薄弱的模型,大多数编队问题,需要构建特定的配置,可以很容易地解决时,机器人是完全同步的。在本文中,我们介绍和研究一类新的问题,不像形成问题,到目前为止,不能总是解决,即使在完全同步模型与原子和刚性运动。这类问题要求机器人在平面上置换它们的位置。特别是,我们感兴趣的是实现两种特殊类型的排列-排列没有任何固定点和排列顺序$n$。前者(称为MOVE-ALL)要求每个机器人访问至少两个初始位置,而后者(称为VISIT-ALL)要求每个机器人以周期性的方式访问每个初始位置。我们提供了这些问题的可解性的表征,显示在解决这类问题的移动机器人的主要挑战。我们还提供了算法的可行的情况下,特别是区分一步算法(其中每个配置必须是一个置换的原始配置)和多步算法(允许中间配置)。这些结果开辟了一个新的研究方向,在移动分布式机器人,这是以前没有调查。
2019-11-13 cs.DC cs.RO
Stand Up Indulgent Rendezvous
我们考虑两个移动遗忘的机器人,在一个连续的欧几里德空间。我们要求两个机器人解决会合问题(在有限的时间内在同一地点相遇,事先不知道),尽管其中一个机器人可能会意外坠毁。会合是站起来放纵的意义上说,当碰撞发生时,正确的机器人仍然必须满足坠毁的机器人在其最后的位置。我们表征的系统假设,使问题的可解性,并提出了一系列的算法,解决问题的可能情况。
2020-10-09 cs.DC cs.DS cs.NI
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
Square Formation by Asynchronous Oblivious Robots
Institut für Algebra, TU Dresden(德累斯顿工业大学代数研究所);University of Ottawa(渥太华大学)
分布式计算中的一个基本问题是模式形成问题,其中一些独立的移动实体,称为机器人,必须重新排列自己,以形成一个给定的图形从每一个可能的(非退化)的初始配置。在本文中,我们考虑的机器人,在欧几里德平面操作,是无量纲的,匿名的,健忘的,沉默的,异步的,迷失方向的,非手性的,非刚性的。对于这种非常基本的机器人类型,模式形成问题的可行性已经解决了,无论是正面的还是负面的,对于每一种可能的模式,除了一种情况:由四个机器人组成的团队的正方形形成问题。在这里,我们解决了最后一种情况下,给出了一个广场形成算法,并证明其正确性。我们的贡献代表了一长串研究的最后一章。我们的研究结果意味着,在移动机器人的模式形成问题的背景下,如同步性,手性和刚性的功能是计算无关的。
2016-05-20 cs.CG cs.DC cs.RO
Min-Max Uniform Circle Formation by Asynchronous Mobile Robots
Indian Institute of Technology Jodhpur(印度焦浦尔理工学院)
针对异步移动机器人的最小-最大均匀圆编队问题,提出确定性分布式无碰撞算法,在有限时间内最小化最大移动距离并形成均匀圆。
2026-10-06 cs.CG cs.DC cs.MA
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
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