Automatically designing robot swarms in environments populated by other robots: an experiment in robot shepherding
IRIDIA, Université libre de Bruxelles（布鲁塞尔自由大学IRIDIA研究所）
本文研究在存在其他机器人的环境中自动设计机器人集群，以机器人牧羊为框架，使用自动模块化设计和神经进化生成牧羊犬集群的控制软件，实现与羊群的有效协调。
2024-04-28 cs.RO
Collective perception for tracking people with a robot swarm
Université libre de Bruxelles（布鲁塞尔自由大学）；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）
本研究针对机器人群动态环境监测需求，提出基于群体感知的人员集体追踪方法，经多办公环境仿真实验验证，该方案在动态监测中具备显著应用潜力。
2024-10-09 cs.RO
Distributed Spatial Awareness for Robot Swarms
针对仅具备局部感知与通信能力的机器人集群，本文提出利用机器人间的局部观测、高斯置信传播消息传递及集群持续运动，构建全局且分布式的集群中心参考系，以低带宽和低计算开销支持新集群算法，并在仿真中验证了系统并演示了两个示例算法。
2024-11-11 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
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
Collisionless Pattern Discovery in Robot Swarms Using Deep Reinforcement Learning
Louisiana State University（路易斯安那州立大学）；Kent State University（肯特州立大学）
我们提出了一个基于深度强化学习的框架，用于自动发现脂肪机器人群的任何给定初始配置中可用的模式。特别是，我们模型的问题，无碰撞收集和相互可见性的脂肪机器人群，并发现使用我们的框架来解决它们的模式。我们表明，通过基于某些约束（如相互可见性和安全接近度）塑造奖励信号，机器人可以发现无碰撞的轨迹，从而形成良好的聚集和可见性模式。
2022-09-20 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
Swarm Oracle: Trustless Blockchain Agreements through Robot Swarms
Swarm Oracle: Trustless Blockchain Agreements through Robot Swarms
本文提出 Swarm Oracle，一种由多利益相关方自主机器人群体构成的去中心化预言机网络，利用拜占庭容错协议和基于区块链代币的声誉系统，在对抗攻击下实现无信任的现实世界数据共识并自主恢复。
2025-09-19 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
Diffusion of Information in Robot Swarms
Institute of Parallel and Distributed Systems, University of Stuttgart（斯图加特大学并行与分布式系统研究所）
这项工作致力于通信方法，在机器人群中传播信息。这些机制对于大规模系统是有用的，并且对于当有限的通信设备不允许信息包的路由时的这种情况也是有用的。我们专注于两种方法，如虚拟领域和流行病的算法，讨论了硬件实现的几个方面，并演示了微型机器人“茉莉花”进行的实验。
2011-10-24 cs.RO
Infra-Swarm: Robust Vision-Based Multi-Robot Swarming via Near-Infrared Spectral Vision
Westlake University（西湖大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Zhejiang University（浙江大学）
研究针对分布式集群受带宽或环境限制问题，提出Infra-Swarm，通过机器人配备近红外光源和相机，利用光学耀斑测量邻居3D位置，借助窄带滤波器抗干扰，以最小计算开销实现集群大规模可扩展性。
2026-07-15 cs.RO
Predictive Fault Tolerance for Autonomous Robot Swarms
University of York（约克大学）
针对机器人集群故障显现后再处理的低效与安全风险，提出基于预防性维护的预测性容错方法，在故障演变为失效前自主检测并解决，实验表明可提升集群性能并避免机器人失效。
2023-09-17 cs.RO
Source-Seeking Problem with Robot Swarms
Universidad Complutense de Madrid（马德里康普顿斯大学）
提出一种仅依赖场强测量、适用于通用编队几何的机器人群体源搜索算法，可应对复杂动力学与动态成员变化，并经数值模拟验证。
2024-08-19 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
Controlling Robot Swarm Aggregation through a Minority of Informed Robots
University of Namur（那慕尔大学）；Université Libre de Bruxelles（布鲁塞尔自由大学）
自组织聚合是群体机器人中一个研究得很好的行为，因为它是发展更高级的群体级响应的先决条件。在本文中，我们研究了分散算法的设计一群异构的机器人，自我聚集在不同的目标网站。以前的研究表明，包括作为群体的一部分，一些知情的机器人可以引导动态的聚合过程中的群体之间的可用聚合站点的理想分布。我们已经复制了以前的研究结果，使用一种简化的方法：我们删除了与机器人的通信协议相关的约束，并简化了控制机制，调节概率控制器的状态之间的转换。结果表明，与以前的，更复杂的，控制器获得的性能可以复制与我们的简化方法，提供了明显的优势，在物理机器人的便携性和灵活性。也就是说，我们的简化方法可以产生自组织的聚合反应，在一个更大的一组操作条件比可以实现的复杂控制器。
2022-08-26 cs.RO
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
PuzzleBots: Physical Coupling of Robot Swarms
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
机器人群已经被证明可以通过机器人间的协作来提高单个机器人的能力。在本文中，我们提出了PuzzleBots -一个低成本的机器人群体系统，机器人可以物理上相互耦合，形成功能结构，以最小的能量消耗，同时保持个人的流动性，在环境中导航。每个机器人都有旋钮和孔沿其身体的两侧，使机器人可以通过插入旋钮到孔耦合。我们提出了表征旋钮设计和多达九个机器人的间隙交叉行为的结果。我们用硬件实验表明，机器人能够相互耦合以跨越间隙，并解耦以执行单独的任务。我们预计PuzzleBots将在非结构化环境中作为个人和耦合系统在现实世界中的应用是有用的。
2022-02-06 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
Hierarchies define the scalability of robot swarms
Polytechnique Montreal（蒙特利尔理工学院）；University of Cambridge（剑桥大学）
本文通过仿真与物理实验证明，相比平等主义集群，层级化集群能以更少资源在更大、更复杂环境中高效扩展感知范围，为行星探索和自动驾驶等应用提供可扩展的集群设计依据。
2024-05-03 cs.RO
Music-driven Robot Swarm Painting
Department of Electrical and Computer Engineering, University of Waterloo（电气与计算机工程系，滑铁卢大学）
本文提出一种新颖的机器人集群控制框架，利用异构覆盖策略将音乐输入转化为绘画，并在仿真和配备LED灯的真实机器人上验证了其光绘有效性。
2025-05-31 cs.RO
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
Distributed Multi-Coverage for Robot Swarms
University of Houston（德克萨斯大学休斯顿分校）
本文提出了一种分布式多覆盖算法，用于解决机器人群在局部感知、局部通信和无全局协调的情况下，维持关键资产可靠覆盖的问题，同时应对机器人故障等约束条件。
2026-05-20 cs.RO
Express Yourself: Enabling large-scale public events involving multi-human-swarm interaction for social applications with MOSAIX
Princeton University（普林斯顿大学）；We The Curious（我们好奇）；University of Bristol（布里斯托尔大学）；PAL Robotics（PAL机器人公司）
本文提出MOSAIX系统，通过63个去中心化机器人Tiles群体在科学博物馆收集294名参与者输入并按主题聚合，实现了大规模多人-群体交互公共活动，为未来社会应用研究提供了实践经验。
2024-11-15 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
BayesCPF: Enabling Collective Perception in Robot Swarms with Degrading Sensors
Worcester Polytechnic Institute（伍斯特理工学院）
本文提出BayesCPF方法，通过扩展卡尔曼滤波器使传感器持续退化的机器人集群准确估计环境填充率，并在多种退化模型和实验中验证其估计性能接近已知真实传感器精度的情形。
2025-04-07 cs.RO
Demonstrating Performance Benefits of Human-Swarm Teaming
University of Southampton（南安普顿大学）
自主机器人群可以为搜索和救援等安全关键任务带来鲁棒性，可扩展性和适应性，但其应用仍然非常有限。使用人工控制的半自主群可以将机器人群带到现实世界的应用中。人类操作员可以为群体定义目标，监控他们的表现，干涉或否决他们的决定和行为。我们提出了“人类和机器人互动群”模拟器（HARIS），允许多用户与机器人群进行交互，并通过模拟机器人群完成任务，从包裹递送到搜索和救援，促进定性和定量的用户研究，具有不同程度的人类控制。在这个演示中，我们展示了模拟器，通过使用它来研究通过在一个完全自主的系统上保持“人在回路中”所提供的性能增益。这一点在搜索和救援方面得到了说明，并自主地向有需要的人分配资源。
2023-03-23 cs.RO
Self-organizing Nervous Systems for Robot Swarms
Université Libre de Bruxelles（布鲁塞尔自由大学）；University of Southern Denmark（南丹麦大学）
提出自组织神经系统SoNS，通过动态多层级层级让机器人群体在局部集中协调与自组织优势间取得平衡，并在真实异构空地群体和250机器人仿真中验证其性能与容错性。
2024-01-23 cs.RO
Long-Lived Distributed Relative Localization of Robot Swarms
Harvard University（哈佛大学）
本文研究了多机器人系统中的移动机器人对环境中邻近机器人的相对位置和相对方位的估计问题。这个问题是在大群的简单的机器人，能够测量的距离附近的机器人的背景下进行研究。我们提出了两种分布式定位算法，它们的计算复杂性和它们的协调要求之间有不同的权衡。第一种算法不需要机器人协调它们的运动。它依赖于一个非线性最小二乘法为基础的策略，让机器人计算附近的机器人的相对姿态。第二种算法借用了分布式计算理论的工具来协调哪些机器人必须保持静止，哪些机器人可以移动。这种协调允许机器人使用标准的三边测量技术来计算附近机器人的相对姿态。对这两种算法进行了理论分析和仿真验证。
2013-12-06 cs.RO
Robot Swarm Control Based on Smoothed Particle Hydrodynamics for Obstacle-Unaware Navigation
Cluster Metaverse Lab（元宇宙集群实验室）；Graduate School of Comprehensive Human Sciences, University of Tsukuba（筑波大学综合人类科学研究科）；OMRON SINIC X Corporation（欧姆龙SINIC X公司）
针对机器人集群因感知受限难以适应未知障碍物的问题，提出基于SPH模型的间接障碍物检测控制方法，仅凭速度预测碰撞，实现无显式检测的鲁棒导航与编队。
2024-04-25 cs.RO
What Can Robots Teach Us About The COVID-19 Pandemic? Interactive Demonstrations of Epidemiological Models Using a Swarm of Brushbots
University of Waterloo（滑铁卢大学）；Amazon Robotics（亚马逊机器人公司）
本文描述了2021年开展的一系列教育活动的方法和成果，这些活动利用机器人群教育高中和大学生流行病学模型以及它们如何为社会和政府政策提供信息。该活动特别关注COVID-19疫情，包括4个在线和3个现场研讨会，学生有机会与20个定制的刷机器人进行互动，这些机器人是小型振动驱动机器人，针对便携性和鲁棒性进行了优化。通过对活动后调查收集的数据进行分析，本文展示了活动如何积极影响学生对指导现实世界决策的科学方法的看法，以及他们对机器人技术的兴趣。
2022-06-15 cs.RO
Distributed Cohesive Control for Robot Swarms: Maintaining Good Connectivity in the Presence of Exterior Forces
TU Braunschweig（布伦瑞克工业大学）
我们提出了一些强大的本地机制，以保持一个动态的机器人群有限的能力和信息，在存在外力和永久节点故障。我们提出了一组局部连续算法，共同产生一个推广的欧几里德斯坦纳树。在任何阶段，所得到的整体形状都实现了局部厚度、全局连接性和柔性之间的良好折衷，以进一步实现端子的连续运动。由此产生的群体行为的规模以及，对节点故障是强大的，并执行接近最好的已知的近似界相应的集中式静态优化问题。
2015-05-12 cs.RO
Detecting and Diagnosing Faults in Autonomous Robot Swarms with an Artificial Antibody Population Model
Department of Computer Science, University of York, United Kingdom（英国约克大学计算机科学系）
本文提出人工抗体种群动力学模型，用于检测和诊断机器人群体中的渐进退化及性能突变，具有分布式、可扩展特性，能使退化群体保持70%-97%的正常性能。
2025-07-08 cs.RO
Cooperative Pollution Source Localization and Cleanup with a Bio-inspired Swarm Robot Aggregation
University of Tabriz（大不里士大学）；Sharif University of Technology（谢里夫理工大学）；Middle East Technical University（中东技术大学）；Czech Technical University（捷克技术大学）；The University of Manchester（曼彻斯特大学）
使用机器人探索极端和危险的环境有可能显着提高人类的安全。例如，可以部署机器人解决方案来找到化学品泄漏的来源并清洁污染区域。本文演示了一种概念验证的生物启发的探索方法，使用群机器人系统，这是基于两个生物启发的行为：聚合和信息素跟踪的组合。提出的工作的主要思想是遵循信息素的踪迹，找到化学品泄漏的来源，然后通过聚集在临界区进行去污任务。使用Mona机器人的模拟模型进行的实验，我们评估人口规模和机器人速度的群体在去污任务的能力的影响。结果表明，在极端环境下的勘探和清洁任务中部署机器人群的可行性。
2019-07-22 cs.RO
Securing Federated Learning in Robot Swarms using Blockchain Technology
CASCB, University of Konstanz（康斯坦茨大学CASCB）；Department of Collective Behaviour, Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所群体行为系）
本文提出利用区块链智能合约在机器人集群中实现去中心化联邦学习，并设计防篡改保护机制以抵御故障机器人对训练过程的干扰。
2024-09-03 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
Optimization and Evaluation of Multi Robot Surface Inspection Through Particle Swarm Optimization
University of Southern California（南加州大学）；Princeton University（普林斯顿大学）；University of Groningen（格罗宁根大学）
针对多机器人表面巡检任务，提出基于粒子群优化的抗噪声参数优化方案，结合决策准确率与时间评估适应度，经仿真验证较经验参数提升适应度中位数最高达55%。
2023-10-04 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
A Minimalistic Approach to Segregation in Robot Swarms
Worcester Polytechnic Institute（伍斯特理工学院）
我们提出了一个分散的算法，实现隔离成任意数量的群体与成群的自主机器人。我们的方法的显着特点是在最低限度的假设，它是基于。具体地说，我们假设（i）每个机器人都配备了一个三元传感器，能够检测附近的一个机器人的存在，如果该机器人存在，它是否属于同一组的传感机器人;（ii）机器人根据差分驱动模型移动;以及（iii）控制系统的结构是纯反应性的，并且其利用简单的“如果”语句将传感器读数直接映射到车轮速度。我们提出了一个彻底的分析，使这种行为出现的参数空间，以及保证收敛的条件和机器人设计中的非理想方面的研究。
2019-01-29 cs.RO
Design of a vision based range bearing and heading system for robot swarms
Yıldız Teknik Üniversitesi（耶尔德兹技术大学）；Orta Doğu Teknik Üniversitesi（中东技术大学）
群体机器人的一个基本问题是群体中的成员如何知道其他机器人的位置。本研究的主要目的是开发一个具有成本效益和简单的基于视觉的系统来检测范围，轴承，和使用多用途的被动地标群内的机器人的标题。一个小型Zumo机器人配备树莓派，PiCamera用于实现该算法，并设计了不同类型的多用途无源地标与非对称图案，在一个单元中提供可靠的信息的范围，方位和航向。通过系统实验对地标图像分析得到的记录特征与实际测量结果进行对比，得到相关性，并设计了将这些特征转换为距离、方位和航向的算法。算法的可靠性和准确性进行了测试，发现误差在可接受的范围内。
2021-03-14 cs.RO
Expanding the Knowledge Horizon in Underwater Robot Swarms
ENEA（意大利国家新技术、能源和可持续经济发展署）
在本文中，我们研究的时间延迟影响的信息扩散在水下异构机器人群体，考虑时间敏感的环境。在许多情况下，群体中的每个成员都必须尽快更新其关于环境的知识，因此，扩大知识视野的每一项努力都是有用的。否则，关键信息可能无法到达远离源的节点，从而导致群的危险行为。我们考虑两种极端情况。在第一种情况下，我们有一个唯一的概率延迟分布。在第二种情况下，每个代理都服从不同的截断高斯分布，这意味着本地条件在链路之间存在显着差异。我们研究了几种集群拓扑结构对这两种情况的反应，以及如何分配更有效的传输资源，以扩大视野。结果表明，显着的时间节省下一个八卦样协议是可能的适当分配的资源。此外，方法来确定最快的群体拓扑结构和最重要的节点。
2013-08-19 cs.RO
SubCDM: Collective Decision-Making with a Swarm Subset
School of Electronics and Computer Science, University of Southampton（电子与计算机科学学院，南安普顿大学）
针对现有机器人群体集体决策需全员参与、资源消耗高的问题，提出动态去中心化的SubCDM方法，仅用自适应规模的群体子集决策，在100台机器人仿真中准确率比肩全群体方案，更节省资源。
2025-08-01 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
Asymmetric physics enables efficient learning in quadrupedal robot swarms
Shanghai Jiao Tong University（上海交通大学）；Independent Researcher（独立研究者）
通过非对称物理方法，将高保真非可微模拟器与可微代理模型结合，实现多达512个四足机器人在障碍环境中高效学习视觉去中心化协调策略，并零样本迁移到真实机器人。
2026-06-23 cs.RO
Greedy Kalman-Swarm: Improving State Estimation in Robot Swarms in Harsh Environments
International School of Engineering, Chulalongkorn University（国际工程学院，朱拉隆功大学）
本文提出贪心卡尔曼-群方法，通过局部分布式状态估计提升机器人群在恶劣环境中的状态估计精度，平衡了独立估计的低开销与集中系统的高精度。
2026-04-18 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
Distributed Surface Inspection via Operational Modal Analysis by a Swarm of Miniaturized Vibration-Sensing Robots
Faculty of Science and Engineering, University of Groningen（格罗宁根大学科学与工程学院）
本文提出利用微型振动感知机器人集群进行分布式表面检测，结合高斯过程估计器引导探索与运行模态分析，在高保真仿真环境中有效定位并检测钢制表面结构损伤。
2025-07-10 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
SPACE: Swarm Pheromone Fields for Adaptive Collision-Aware Exploration
Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）；School of Software and Microelectronics, Peking University（北京大学软件与微电子学院）
针对大规模地面机器人群体在拥挤环境中探索时的安全-效率权衡问题，提出SPACE方法，通过维护吸引前沿信息素、排斥探索信息素和快速机器人密度场实现去中心化协调，在真实建筑平面图上将碰撞率降低4-17倍，覆盖时间仅增加约2%。
2026-10-19 cs.RO
Mixed-Granularity Human-Swarm Interaction
Worcester Polytechnic Institute（伍斯特理工学院）；PTC Inc（参数技术公司）
我们提出了一个增强现实人群界面，结合了两种形式的互动：面向环境和面向机器人。面向环境的模态允许用户修改环境（虚拟或物理），以指示机器人群要达到的目标。面向机器人的模态可以选择单个机器人，将其重新分配给其他任务，以提高性能或纠正故障。以前的研究得出结论，面向环境的交互可能证明更难以掌握未经培训的用户。在本文中，我们报告的用户研究表明，至少在集体运输，面向环境的互动是更有效的比纯粹的机器人为导向的互动，这两个相结合，实现显着的功效。
2019-01-24 cs.RO
Distributed Data Storage and Fusion for Collective Perception in Resource-Limited Mobile Robot Swarms
Worcester Polytechnic Institute（伍斯特理工学院）
在本文中，我们提出了一种方法的分布式存储和数据融合的集体感知资源有限的机器人群。我们证明了我们的方法在分布式语义分类的情况下。我们考虑一组移动机器人，其中每个机器人运行一个预先训练的已知精度的分类器来注释环境中的对象。我们提供了两个主要的贡献：（一）一个分散的，共享数据结构的有效存储和检索的语义注释，专门为低资源的移动机器人;和（ii）一个基于投票的，分散的算法，以减少方差的计算注释存在不完善的分类。我们讨论的理论和实现的贡献，并进行了广泛的现实模拟实验，以评估我们的方法的性能。
2020-12-15 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
Brain-Swarm Interface (BSI): Controlling a Swarm of Robots with Brain and Eye Signals from an EEG Headset
Boston University（波士顿大学）；Stanford University（斯坦福大学）
这项工作提出了一种新的婚姻群机器人和脑机接口技术，以产生一个接口，连接用户到一群机器人。建议的界面使用户能够控制群的大小和运动，采用只是思想和眼球运动。思想和眼球运动通过一个现成的脑电图（EEG）耳机从头皮上记录下来。信号处理技术用于滤除噪声并从原始信号中解码用户的眼球运动，而隐马尔可夫模型技术用于从滤波后的信号中破译用户的想法。机器人的动力学控制使用基于势场的群控制器。人类用户通过脑群接口来调节势场的形状和运动参数以移动机器人。该方法被证明是实验室环境中的一个人控制一群三个M3PI机器人，以及控制一群128个机器人在计算机模拟。
2016-12-24 cs.MA 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
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
