面向具有时序逻辑任务的异构动态组队的能力增强
Capability Augmentation for Heterogeneous Dynamic Teaming with Temporal Logic Tasks
AI总结：
针对异构多智能体团队个体性能提升问题，提出集成能力增强任务（CATs）的度量时序逻辑（MTL）框架，通过集中式混合整数规划综合轨迹，相比CaTL+基准可简化规约并提升个体性能。
摘要：
本文研究异构多智能体团队如何利用各自不同的能力，共同提升单个智能体的性能。我们提出了能力增强任务（Capability-Augmenting Tasks，CATs），用于编码智能体如何通过与其他队友的交互来增强自身能力。我们的框架将CAT集成到度量时序逻辑（Metric Temporal Logic，MTL）的语义中，MTL为所有智能体定义了各自的时空任务。我们采用集中式混合整数规划（Mixed-Integer Program，MIP）来综合所有智能体的轨迹。我们将所提方法的表达能力与基准方法能力时序逻辑增强版（Capability Temporal Logic Plus，CaTL+）进行了对比。案例研究表明，当智能体利用队友的能力时，我们的方法能够实现更简洁的任务规约，并提升单个智能体的性能。
英文摘要：
This paper considers how heterogeneous multi-agent teams can leverage their different capabilities to mutually improve individual agent performance. We present Capability-Augmenting Tasks (CATs), which encode how agents can augment their capabilities based on interactions with other teammates. Our framework integrates CAT into the semantics of Metric Temporal Logic (MTL), which defines individual spatio-temporal tasks for all agents. A centralized Mixed-Integer Program (MIP) is used to synthesize trajectories for all agents. We compare the expressivity of our approach to a baseline of Capability Temporal Logic Plus (CaTL+). Case studies demonstrate that our approach allows for simpler specifications and improves individual performance when agents leverage the capabilities of their teammates.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
