Formation of General Position by Asynchronous Mobile Robots
Indian Statistical Institute(印度统计研究所);Jadavpur University(贾达普大学)
传统的自主、同质、移动点机器人的分布式模型通常假设机器人不对其他机器人产生任何视觉障碍,即,机器人是透明的在本文中,我们考虑了一个稍微更现实的模型,通过引入受阻可见性的概念(即,机器人不能被其他机器人看穿)。在新的可视性模型下,机器人可能无法看到周围环境的全貌。许多现有的算法要求每个机器人应该有其他机器人的位置的完整知识。由于视觉是它们通信的唯一手段,因此要求机器人处于一般位置(即,没有三个机器人是共线的)。我们考虑异步机器人。它们也没有共同的手性(或在全局坐标系上的任何协议)。在本文中,我们提出了一个分布式算法,以获得一个一般位置的机器人在有限时间内从任何任意配置。该算法还保证了每个机器人的无碰撞运动。该算法还可以用作机器人执行的许多其他后续任务的预处理模块。
2014-08-09 cs.DC cs.RO
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
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
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
Robots with Lights: Overcoming Obstructed Visibility Without Colliding
Università degli Studi di Roma “La Sapienza”(罗马大学(罗马第一大学));University of Ottawa(渥太华大学);Jadavpur University(贾达普大学);Carleton University(卡尔顿大学)
带灯的机器人是在平面中以看-计算-移动循环操作的自主移动计算实体的模型:每个代理具有外部可见光,其可以呈现来自固定集合的颜色;灯是持久的(即,在循环结束时颜色不被擦除),但除此之外试剂是不被注意的。调查的可计算性在这个模型中,最初建议的Peleg,正在进行中,最近已经建立了几个结果。然而,在这些调查中,一个代理人被认为能够看穿另一个代理人。在本文中,我们开始研究计算时的可见性是阻碍,并调查最基本的问题,这种设置,完全可见性:代理必须在有限的时间内达到一个配置,他们都可以看到对方和终止。我们不做任何假设的先验知识的代理商的数量,刚性的运动,也不手性。代理的局部坐标系可以在每次激活时改变。此外,根据灯光的定义,智能体在每个周期中只能进行通信并记住恒定数量的位。尽管这些薄弱的条件,我们证明,完全可见性总是可解的,即使在异步设置,没有冲突,并使用一个小的恒定数量的颜色。证据是建设性的。我们还展示了如何扩展我们的协议完全可见性,使相同数量的颜色,代理解决(非均匀)圆的形成问题与受阻的可见性。
2014-05-10 cs.DC cs.RO
Time-optimal geodesic mutual visibility of robots on grids within minimum area
针对网格上移动机器人的测地线相互可见性问题,在标准Look-Compute-Move模型下提出时间最优求解算法及正确性证明。
2023-08-03 cs.DC math.CO
Deterministic Dispersion of Mobile Robots in Dynamic Rings
在这项工作中,我们研究了动态环上的移动机器人分散的问题。研究了由Augustine和Moses Jr.提出的$n$机器人在$n$节点图上的分散性问题。[1]要求机器人相互协调,并达到每个节点上只有一个机器人的配置。这个问题有现实世界的应用程序,并适用于每当我们想要最小化的总成本的$n$代理共享$n$资源,位于不同的地方,受到的约束,代理移动到不同的资源的成本是比较远小于多个代理共享一个资源(例如,智能电动汽车共享充电站)的成本。该问题的研究也为图上的散布问题、移动机器人的探索问题以及图上的负载均衡问题的研究提供了间接的帮助。我们解决的问题,分散存在两种类型的动力学的基础图:(i)顶点置换和(ii)1-区间连通性。我们引入了顶点置换动态性的概念,并使其意味着对于给定的节点集,在每一轮中,对手确保保持环结构,但节点之间的连接可能会改变。我们使用Di Luna等人的1-区间连通性的思想。[10],其中对于给定的环,在每一轮中,对手最多选择一条边来删除。我们假设机器人有充分的可见性,并提出渐近时间最优算法,以实现分散在存在的两种类型的动力学时,机器人手征。当机器人不具有手征,我们提出了渐近时间最优算法,以实现分散受到一定的约束。最后,我们提供了不可能的结果分散时,机器人没有可见性。
2017-10-16 cs.DC cs.DS
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
Separation of Unconscious Robots with Obstructed Visibility
Govt. of India(印度政府);CSIR, Govt. of India(印度政府科学与工业研究委员会)
本研究针对无意识移动机器人在视线受阻条件下的分离问题,提出一种半同步调度下的无碰撞算法,使机器人从任意初始配置分离成同心半圆,时间复杂度为O(n)。
2025-10-25 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
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
Budget-Constrained Fault-Tolerant Mutual Visibility for Autonomous Robots under the Mobility Fault Model
Indian Institute of Technology Jodhpur(印度理工学院焦特布尔分校)
针对预算约束和移动故障下的不透明机器人群体,提出一种确定性分布式算法,利用公共固定参考点和12种光色,在SSYNC模型下实现非故障机器人的无碰撞相互可见性,同时尊重每个机器人的移动预算。
2026-10-06 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
Telescope: an interactive tool for managing large scale analysis from mobile devices
在当今的大数据世界中,计算分析已成为生物医学研究的关键驱动力。最近可用组学数据量的指数增长重塑了当代生物学的格局,创造了对无缝集成实验生物学技术和生物信息学工具的连续反馈循环的需求。高性能计算设施能够处理大量数据,但往往缺乏一个易于使用的界面,以指导用户实时监督和调整生物信息学分析。在这里,我们报告的发展望远镜,一种新型的交互式工具,接口与高性能的计算集群,提供一个直观的用户界面,实时控制和监测生物信息学分析。Telescope被设计为使用与大多数现代设备兼容的Web 2.0技术(例如,平板电脑和个人智能手机)。Telescope提供了一个现代而优雅的解决方案,将计算分析集成到生物医学研究的实验环境中。此外,它允许生物医学研究人员以用户友好的方式利用大型计算设施的功能。望远镜可以在https://github.com/Mangul-Lab-USC/telescope上免费获得。
2019-12-05 cs.DC
On Asynchrony, Memory, and Communication: Separations and Landscapes
研究机器人在LCM周期下的四种计算模型与多种异步对抗性调度器的相互作用,通过跨模型分析完整刻画了它们之间的计算能力关系,并解答了SSYNCH与ASYNCH优势等开放问题。
2023-11-22 cs.DC