arXiv cs/07011792007-01-27cs.DC

弱机器人的分散

Scatter of Weak Robots

Yoann Dieudonné, Franck Petit

摘要：

在本文中，我们首先形式化要解决的问题，即，散射问题（SP）。然后，我们表明，SP不能确定性地解决。接下来，我们提出了一个随机算法这个问题。所提出的解决方案是平凡的自我稳定。然后，我们将展示如何设计一个自稳定版本的任何确定性的解决方案的模式形成和聚集的问题。

英文摘要：

In this paper, we first formalize the problem to be solved, i.e., the Scatter Problem (SP). We then show that SP cannot be deterministically solved. Next, we propose a randomized algorithm for this problem. The proposed solution is trivially self-stabilizing. We then show how to design a self-stabilizing version of any deterministic solution for the Pattern Formation and the Gathering problems.

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。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

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。

继续探索

相关论文

基于弱多重性检测的移动机器人容错聚集

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。

2016-08-08cs.DC

异步散射

Asynchronous Scattering

在本文中，我们考虑的问题，分散在一个连续的空间中的移动遗忘机器人的群体。我们考虑完全异步设置，机器人可能会根据他们的计算在过去的观察，或可能会观察到其他机器人，而移动。事实证明，异步散射是可解决的，在最一般的情况下，当视觉（看到其他机器人的位置的能力）和弱局部多重性检测。在二维欧几里得空间的情况下，如果移动是刚性的，ASYNC散射也可以用盲机器人解决。我们的方法是建设性的和模块化的，因为我们提出了一个证明技术的概率机器人协议，是独立的利益，并可用于其他目的。在消极的一面，我们表明，当机器人都是盲目的，没有多重检测，问题是不可解决的，当只有其中之一是可用的，问题仍然是不可解决的。

2019-05-22cs.DCcs.MA

弱机器人的圈形成与林登词

Circle Formation of Weak Robots and Lyndon Words

林登词是一个非空的词，在字典顺序上严格小于它的任何后缀，除了它本身和空词。在本文中，我们将展示如何林登字可以用于分布式控制的一组n弱移动机器人。所谓弱，我们的意思是机器人是匿名的，没有记忆，没有任何方向感，除了观察之外，无法以其他方式进行交流。给出了一个构造正n边形的简单有效的确定性协议，并证明了其为n素数。

2006-05-22cs.DCcs.RO

有向网格上的最优容错分散

Optimal Fault-Tolerant Dispersion on Oriented Grids

针对有向网格上的机器人分散问题，提出在时间和单机内存上均最优的崩溃容错算法，并扩展处理弱拜占庭机器人。

2024-10-25cs.DC

存在弱拜占庭机器人的匿名环上的有效分散

Efficient Dispersion on an Anonymous Ring in the Presence of Weak Byzantine Robots

图上移动机器人的分散问题要求$n$机器人在一个$n$ -节点匿名图的任意节点上自主地移动到一个最终的配置，其中每个节点上最多有一个机器人。由于它与其他基本的机器人协调问题，如探索，分散，负载均衡，自动驾驶电动汽车重新定位到充电站等。机器人具有唯一的ID，通常在$[1,poly(n)]$范围内，并且存储器有限，而图是匿名的，即，节点没有标识符。目标是同时最小化两个性能指标：（i）实现分散的时间和（ii）每个机器人的内存需求。当机器人没有故障时，这个问题已经得到了比较好的研究。在本文中，我们引入拜占庭故障的概念，即，我们形式化的分散在$f$拜占庭机器人的存在下的问题。然后，我们研究了一个环上的问题，同时优化的时间复杂度的算法和每个机器人的内存需求。具体来说，我们设计的确定性算法，试图匹配的时间下限（$Ω(n)$轮）和内存下限（$Ω(\log n)$位每个机器人）。我们的主要结果是一个确定性的算法，是时间和内存的最佳，即，每个机器人所需的$O(n)$轮和$O(\log n)$位内存，受某些约束。我们随后提供的结果，需要较少的假设，但要么是时间或内存最佳的，但不是两者兼而有之。我们还提供了一个原始的，经常使用的，采取机器人最初聚集在一个节点的环和分散他们在时间和内存优化的方式，而无需额外的假设。

2020-09-03cs.DCcs.DS

移动机器人在图上的有效散布

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。

2018-05-30cs.DC

更多相关论文收起更多论文

匿名、完全迷失方向机器人群体的冲突模式形成

Conflicting Pattern Formation by Teams of Anonymous, Fully Disoriented Robots

Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校）

本研究针对两组匿名、完全迷失方向的机器人，提出一种分布式算法，使其能同时解决聚集与圆形成两个冲突的模式形成问题，分别利用全局和局部弱多重检测能力。

2026-09-22cs.CGcs.DCcs.MA

图的拜占庭色散

Byzantine Dispersion on Graphs

本文考虑了拜占庭色散的问题，并沿着几个参数扩展了以前的工作。拜占庭分散的问题问：给定$n$机器人，其中$f$是拜占庭的，最初被任意放置在一个$n$节点匿名图，设计一个终止算法运行的机器人，使他们最终达到一个配置，每个节点上最多有一个非拜占庭robots.Previous工作解决了这个问题的戒指和容忍高达$n-1$拜占庭机器人。在本文中，我们研究更一般的图的问题。我们首先开发了一个算法，容忍高达$n-1$拜占庭机器人和工程图的更一般的类。然后，我们开发了一种算法，适用于任何图形，但容忍较少数量的拜占庭机器人。随后，我们将重点转向拜占庭机器人的力量。以前的工作只考虑了不能伪造身份证的“弱”拜占庭机器人。我们开发了一种算法，解决了拜占庭机器人不弱，可以伪造身份证时的问题。最后，我们研究了机器人数目不是$n$而是若干个$k$的情况。我们表明，在这样的情况下，拜占庭机器人，可以容忍的数量是严格限制的。具体来说，我们表明，它是不可能确定性地解决拜占庭色散时，$\lceil k/n \rceil > \lceil (k-f)/n \rceil$。

2021-09-26cs.DCcs.DS

不经意群机器人的均匀圆编队

Uniform Circle Formation By Oblivious Swarm Robots

Jadavpur University（贾达普大学）；University of North Florida（北佛罗里达大学）；Indian Statistical Institute（印度统计研究所）

在本文中，我们研究了多个自主和均匀的圆盘形机器人（也被称为脂肪机器人）的圆形成问题。机器人的目标是把自己放在一个圆圈的外围。圆的形成有许多实际应用，如边界监视。本文解决了这样的问题{均匀圆的形成，其中的机器人必须等距分开的一个变体。机器人通过执行等待-查看-计算-移动的状态循环来操作。它们是不经意的、不可区分的、匿名的，并且不通过消息传递进行通信。首先，我们假设机器人是透明的，解决了均匀圆的形成问题。接下来，我们解决一个更弱的模型，其中机器人是不透明的，可见性有限。我们提出了新的分布式算法来解决这些变种。本文提出的算法被证明是正确的，并保证防止碰撞和死锁的机器人群体之间。

2020-12-13cs.DCcs.RO