异构多机器人系统中分布式均衡团队分配(TAP)的自主协同算法研究

本研究针对异构多机器人系统在通信受限环境下的自主团队分配问题(TAP)，提出TAm 和TAnm 两种分布式算法。通过结合协同决策与在线运动规划，解决了工人机器人(worker)与服务机器人(service)的均衡组队难题，显著降低最大移动距离。仿真表明TAm 在稀疏场景中更具优势，为大规模机器人协作提供了新范式。

　　

在机器人技术迅猛发展的今天，异构多机器人系统因其任务并行性、功能互补性和系统容错性，已成为搜救、农业监测等复杂场景的核心解决方案。然而，当大量具备差异化能力的机器人（如负责实际作业的工人机器人(worker)和提供支持的服务机器人(service)）分散在广阔无界环境中时，如何实现高效的自主团队分配成为关键挑战。通信距离限制、网络断连风险以及局部信息感知等现实约束，使得传统集中式控制方法难以适用。这正是Ege University的Deniz Ozsoyeller团队在《Future Generation Computer Systems》发表的研究试图破解的难题——他们创新性地提出了团队分配问题(TAP)的分布式解决方案。

研究采用算法设计与多线程仿真相结合的方法。通过构建TA_m
（基于互惠决策）和TA_nm
（非互惠决策）两种算法，利用机器人唯一ID标识和局部通信网络，实现有限信息下的动态组队。特别设计了运动规划模块处理单机器人(single)和联网机器人(group)的不同移动策略，并通过Java多线程平台模拟不同密度参数下的场景。

问题提出与算法设计
研究首次明确定义TAP问题的三个核心约束：团队规模均衡（每个团队含n_w
/n_s
个工人机器人和1个服务机器人）、通信范围受限、初始网络非连通。TA_m
通过全局信息共享实现协同决策，而TA_nm
则采用局部信息迭代更新策略，两者均能适应机器人初始分布的"孤立单机"或"局部联网"状态。

仿真验证
在半径d的圆形区域内，通过调节通信范围、环境规模、机器人数量等变量进行测试。关键发现包括：(1)稀疏配置中TA_m
的最大移动距离比TA_nm
减少23%；(2)当机器人密度增加至临界值后，两种算法性能差距缩小至8%以内；(3)服务机器人发现效率与通信半径呈非线性正相关。

结论与展望
该研究为分布式异构机器人系统提供了首个理论完备的团队分配框架。TA_m
在资源勘探等稀疏场景中展现优势，而TA_nm
更适合高密度动态环境。值得注意的是，算法对机器人故障等突发事件的鲁棒性尚未充分验证，这为未来研究指明方向。成果对实现大规模野外机器人协作（如灾害应急响应）具有重要实践价值，其分布式决策机制也可延伸至其他多智能体系统领域。