Vision based range and bearing algorithm for robot swarms
Middle East Technical University（中东技术大学）
本文提出了一种新的计算机视觉算法，用于机器人群的距离和方位的在线检测。结果表明，所提出的视觉系统的可靠性，使它可以用于机器人群体的应用。
2021-03-14 cs.RO
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
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
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
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
SwarmUS: An open hardware and software on-board platform for swarm robotics development
University of Sherbrooke（舍布鲁克大学）
分布式群体机器人的实际应用是罕见的。通用群体机器人平台的标准化可以极大地加速群体机器人向现实生活的实现。SwarmUS平台是一个开源的硬件和软件板载嵌入式系统，旨在添加到现有的机器人上，同时为它们提供群功能，从而提出了一个新的平台标准化问题。这些功能包括基于超宽带的分布式相对定位系统、基于Wi-Fi的本地通信系统和基于SwarmUS平台内连接的机器人之间的Buzz程序设计语言的分布式协调系统。此外，一个人与群体的互动移动应用程序和仿真的机器人操作系统（ROS）的平台。最后，该系统的实现和测试两种类型的机器人：一个TurtleBot3汉堡和两个先锋2DX。
2022-03-05 cs.MA cs.RO cs.SY
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
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
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
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
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
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
Buzz: An Extensible Programming Language for Self-Organizing Heterogeneous Robot Swarms
École Polytechnique de Montréal（蒙特利尔综合理工学院）；Royal Melbourne Institute of Technology（皇家墨尔本理工大学）
我们提出了Buzz，一种新的程序设计语言的异构机器人群。Buzz提倡一种组合方法，提供原语来从单个机器人和整个群体的角度定义群体行为。单机器人原语包括机器人特定的指令和邻域数据的操作。基于群的原语允许机器人团队的动态管理，并在整个群中共享信息。自组织源于Buzz运行时平台所基于的完全去中心化的机制。该语言可以扩展以添加新的原语（从而支持异构机器人群），并且其运行时平台被设计为位于其他框架之上，例如机器人操作系统。我们展示了Buzz的功能，通过提供代码的例子，并分析了可扩展性和鲁棒性的运行时平台，通过现实的模拟实验与代表性的群体算法。
2015-08-01 cs.MA cs.PL 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
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
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
Configuration Control for Physical Coupling of Heterogeneous Robot Swarms
Carnegie Mellon University（卡内基梅隆大学）
在本文中，我们提出了一个异构的机器人群体系统，可以相互耦合，形成功能结构和动态解耦，以执行个别任务。机器人之间的连接可以通过被动耦合机制形成，确保耦合和解耦行为期间的最小能耗。系统的异质性使机器人能够根据特定的环境要求执行结构增强配置。我们提出了一个面向连接对的配置控制算法，以形成不同的装配体。我们展示了多达九个机器人执行耦合，间隙交叉和解耦行为的实验。
2022-03-01 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
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
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
Swarming of Aerial Robots with Markov Random Field Optimization
Indiana University（印第安纳大学）
群体是一种非常强大的系统，与其替代品相比具有独特的优势。在这项工作中，我们提出了一个生物启发和人工势场驱动的机器人群体控制方法，其中的群体形成动力学建模的基础上马尔可夫随机场（MRF）优化。我们将内部智能体的局部相互作用和外部环境影响整合到MRF中。在轨迹的不同阶段的优化编队配置可以被视为编队“形状”，这进一步允许我们集成的动态约束的运动控制的机器人。我们表明，这种方法可以用来生成动态可行的轨迹导航团队的空中机器人在复杂的环境中。
2020-10-22 cs.MA 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
Chemotaxis Based Virtual Fence for Swarm Robots in Unbounded Environments
University of Leeds（利兹大学）
本文提出了一种新的群体机器人应用的趋化性行为观察微生物。这种方法是用来使探索机器人返回到一个工作区周围的蜂群巢穴在一个无限的环境。我们调查我们的算法的性能，通过广泛的仿真研究和硬件验证。结果表明，趋化性方法是有效的，保持群体接近静止和移动的巢。这些结果与不切实际的情况下，边界墙被用来保持在一个目标搜索区域内的群体的性能比较表明，我们的趋化性的方法产生了竞争力的结果。
2019-06-18 cs.MA cs.RO
From One to Many: How Active Robot Swarm Sizes Influence Human Cognitive Processes
University of Konstanz（康斯坦茨大学）；Justus Liebig University（吉森大学）
本研究探究15个机器人集群中不同活跃机器人数量对操作者认知与感知反应的影响，发现多活跃机器人会加快时间流逝感并增强心流，同时随持续时间增加情绪唤醒度与任务难度，为人机协作界面设计提供指导。
2024-03-20 cs.HC cs.RO
Technical Problems With "Programmable self-assembly in a thousand-robot swarm"
COMSATS Institute of IT（COMSATS 信息技术学院）
Rubenstein等人提出了一个有趣的可编程自组装结构形成系统，使用1000 Kilobot机器人。这篇论文声称，除了高度鲁棒性之外，还可以推进人工群体的工作，类似于自然系统的能力。然而，该系统缺乏与孔匹配的运动性和复杂形状，从而限制了与生命系统中自组装的实际相似性。
2017-08-10 cs.AI cs.MA 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
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
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
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
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
ROS2swarm - A ROS 2 Package for Swarm Robot Behaviors
Institute of Computer Engineering, University of Lübeck（吕贝克大学计算机工程学院）；Institute of Robotics, University of Lübeck（吕贝克大学机器人学院）
针对群体机器人软件开发难、硬件平台多样且依赖机器人间通信的问题，本文提出 ROS 2 软件包 ROS2swarm，提供可直接使用的群体行为原语库，并在三种机器人平台上验证其可维护性与可扩展性。
2024-05-03 cs.MA 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
Online automatic code generation for robot swarms: LLMs and self-organizing hierarchy
该研究利用自组织神经系统 SoNS 让机器人群体在任务停滞时在线请求并执行外部 LLM 生成的代码，真实机器人与仿真实验验证了其自动恢复并完成任务的能力。
2025-10-19 cs.AI cs.MA 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
Emotional Metaheuristics For in-situ Foraging Using Sensor Constrained Robot Swarms
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Indian Institute of Science（印度科学学院）
我们提出了一种新的社会动物启发的情感群体智能技术。这种技术被用来解决一个流行的集体机器人问题的变体，称为觅食。我们通过模拟研究展示了基于饥饿和孤独等感觉的简单交互规则如何导致全局一致的涌现行为，从而使传感器受限的机器人能够解决给定的问题
2019-06-27 cs.AI 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
Swarmrobot.org - Open-hardware Microrobotic Project for Large-scale Artificial Swarms
Institute of Parallel and Distributed High-Performance Systems（并行与分布式高性能系统研究所）；University of Stuttgart（斯图加特大学）
本文的目的是给一个概述的开放硬件microrobotic项目swarmrobot.org和平台茉莉花建立大规模的人工蜂群。该项目的目标是开放式开发具有成本效益的硬件和软件，以快速实现真实机器人的群体行为。制作机器人的详细说明，开源模拟器，软件库和有关执行实验的多个出版物已准备好供下载，旨在促进集体和涌现现象的探索，引导自组织和实验方式的群体机器人。
2011-10-26 cs.MA 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
Rapidly adapting robot swarms with Swarm Map-based Bayesian Optimisation
University of Southampton（南安普顿大学）
针对集群机器人应对环境扰动的性能恢复难题，提出SMBO和SMBO-Dec两种基于Swarm Map的贝叶斯优化算法，通过搜索控制器存档实现快速行为适应，在多种干扰实验中最多30次评估内性能提升达80%。
2020-12-21 cs.AI cs.MA cs.NE
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
