Achieving Consensus in Robot Swarms: Design and Analysis of Strategies for the best-of-n Problem

این کتاب بر طراحی و تجزیه و تحلیل استراتژی های تصمیم گیری جمعی برای بهترین مشکلn تمرکز دارد. پس از ارائه رسمی ساختار مشکل بهترینn که توسط یک بررسی جامع از ادبیات رباتیک ازدحام پشتیبانی می شود، عملکرد یک استراتژی تصمیم گیری جمعی را معرفی می کند و مجموعه ای از مکانیسم ها را شناسایی می کند. که برای یک استراتژی برای حل مشکل بهترینn ضروری هستند. بهترین مشکل انتزاعی است که نیاز مکرر یک ربات را برای انتخاب یک گزینه از میان یک مجموعه محدود در هنگام بهینه سازی مزایا و هزینه ها نشان می دهد. این کتاب از شناسایی این مکانیسم ها برای توسعه یک روش مدولار و مدل محور برای طراحی استراتژی های تصمیم گیری جمعی و تجزیه و تحلیل عملکرد آنها در سطوح مختلف انتزاع استفاده می کند. در نهایت، نویسنده مجموعه‌ای از مطالعات موردی را ارائه می‌کند که در آن روش پیشنهادی برای طراحی استراتژی‌های مختلف، با استفاده از آزمایش‌های ربات برای نشان دادن اینکه چگونه استراتژی‌های طراحی‌شده را می‌توان به سناریوهای کاربردی مختلف منتقل کرد، استفاده می‌شود.

This book focuses on the design and analysis of collective decision-making strategies for the best-of-n problem. After providing a formalization of the structure of the best-of-n problem supported by a comprehensive survey of the swarm robotics literature, it introduces the functioning of a collective decision-making strategy and identifies a set of mechanisms that are essential for a strategy to solve the best-of-n problem. The best-of-n problem is an abstraction that captures the frequent requirement of a robot swarm to choose one option from of a finite set when optimizing benefits and costs. The book leverages the identification of these mechanisms to develop a modular and model-driven methodology to design collective decision-making strategies and to analyze their performance at different level of abstractions. Lastly, the author provides a series of case studies in which the proposed methodology is used to design different strategies, using robot experiments to show how the designed strategies can be ported to different application scenarios.