月球集群机器人中涌现的协同热调节行为
研究用强化学习训练一个由20台月球小型机器人共享的策略，奖励仅为月夜结束时最冷5台机器人的平均温度，不涉及位置、间距或运动信息。结果涌现出聚集与在受庇护核心和暴露边缘间循环两种行为，与帝企鹅越冬方式相同。十次运行测得生存阈值为155.6±1.3 pcm-h（1 pcm-h=7.2 kJ），比静止抱团低37%，距物理下界13%以内；在静止抱团损失6台机器人的能量预算下全部存活。该行为无需共享空间参考和机器人间接触，可从20台迁移至40台而无需重训。
发布于 10-27 10:53来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Emergent Cooperative Thermoregulation in Lunar Swarm Robotics》查看原链
摘要：小型机器人集群是勘测月球洞穴和熔岩管的一种有吸引力的方式。 NASA的CADRE等任务将让协同漫游车飞行，以进行分布式测绘，但仅在日光下进行。 354小时的月夜使地表温度降至约95 K，而让单个漫游车得以存活的放射性同位素加热器无法在集群规模上提供。
本研究探讨集群能否转而利用自身成员作为热屏蔽。 我们通过带有进化策略估计器的强化学习训练一个由全部二十个机器人共享的策略。 该策略在夜间结束时仅获得一次单一奖励：五个最冷机器人的平均温度。 该奖励中没有任何内容涉及位置、间距、暴露或运动。 尽管如此，仍涌现出两种行为。
集群聚集，机器人在受庇护的核心与暴露的边缘之间循环，这与帝企鹅在南极冬季存活所依赖的同一对行为。 我们测量了生存阈值，即每个机器人在日出时仍全部存活所需的最小存储能量。 在十次运行中，该值为155.6 +/- 1.3 pcm-h，其中1 pcm-h为7.2 kJ的存储热量。
这比静止抱团低37%，与基于物理的下界相差13%以内，并且在静止抱团会损失六个机器人的预算下，每个机器人都能存活。 该行为不需要共享空间参考，也不需要机器人之间的接触，并且可以从二十个机器人迁移到四十个机器人而无需重新训练。