基于异构多机器人系统的协同后端优化注意力模型Actor-Critic框架

《International Journal of Advanced Robotic Systems》：Actor-critic based on attention model for multi-robot collaborative backend optimization

　　

后端优化是同步定位与建图（SLAM）系统的关键组成部分。在多机器人场景下，协同后端优化将单机器人公式扩展至跨多个机器人平台协调并联合优化估计过程，从而提升整体系统精度与效率。然而，现有方法难以在考虑异构机器人状态与属性的同时，基于跨机器人约束动态选择最优地图点与位姿节点进行优化。针对该挑战，研究人员提出MAS-AA，一种增强注意力机制的深度强化学习（DRL）框架，专为异构多机器人系统中的协同后端优化设计。首先，研究人员开发协同注意力神经网络量化跨机器人后端优化的辅助潜力，并与基于DRL的协同决策网络集成。其次，研究人员构建基于最优协同链的优化机制并推导相应多机器人束调整（BA）算法。此外，研究人员为决策模型设计协同注意力驱动代价函数与多机器人协同互补奖励函数，提出联合优化双神经网络组件的统一学习方法。综合仿真实验表明，MAS-AA显著提升多机器人协同后端优化的定位精度与建图性能。该方法有效克服现有注意力方法无法预判后续协同状态的关键局限，从而大幅增强多机器人SLAM系统的协同表现。

研究背景方面，多机器人系统（Multi-robot systems）在自主探索、救援与工业自动化中作用日益关键，同步定位与建图（SLAM）是其基础能力，而协同后端优化对保障全局地图一致性与定位精度至关重要。现有协同SLAM系统如CCM-SLAM、Covins、Kimera-Multi、Swarm-SLAM多采用几何验证回环检测与传统位姿图优化，未引入学习机制；MCN-SLAM、UDON、RAMEN虽引入神经隐式表示，但聚焦场景重建密度而非后端节点智能筛选；Soltani等将深度强化学习（DRL）用于覆盖优化，未触及SLAM后端约束节点选择。核心问题在于：传统注意力机制仅建模单机器人内部观测关系，忽视联合优化后验效应，且无法刻画异构系统（传感器模态、计算状态、运动学属性差异）的有效协同动态。为此，研究人员开展MAS-AA框架研究，结论显示该方法在异构多机器人系统中超越现有基线，位姿与地图点精度更优且无需大幅修改结构即可适配多种配置，意义重大在于首次将注意力与DRL协同用于后端优化节点与观测约束的动态选择，克服现有模型无法预判后续协同状态的缺陷。论文发表于《International Journal of Advanced Robotic Systems》。

关键技术方法上，研究人员采用ORB-SLAM2提取各机器人特征向量（含距上次回环时间、关键帧数、数据点量），拼接机器人身份编码（Identity code）构成全局系统状态序列输入；构建异构感知协同注意力神经网络，通过可学习权重矩阵W_Q、W_K、W_V生成Query（Q）、Key（K）、Value（V），以softmax(QK^T/√D)V计算多头协助特征，经全连接协助度编码网络输出协助矩阵U（u_ij表示机器人i约束协助机器人j后端优化适宜度）；设计Actor-Critic决策网络以负全局重投影误差为奖励选数据协同机器人；提出链式目标机器人搜索算法（Chained Target Robot Search Algorithm）合并子协助列表得到全局协助链，仅对链上关键节点执行最优协同链束调整（OCC-BA）；训练中以协助链损失函数（含局部化误差、协助贡献度、他机贡献项）期望梯度更新注意力网络参数θ←θ?αE_{τ～p(τ|θ)}。样本来自公开Kimera-Multi数据集（6/8机器人编队）及ROS仿真环境（2无人机+4自主车，配Kinect，属性与视觉噪声服从正态分布）。

研究结果部分，按原文小节浓缩如下：

整体工作流与关键术语小节界定机器人集合R、位姿T（含旋转R与平移t）、关键帧节点K、目标机器人B、协助机器人A、数据协同机器人D、地图点M、协助矩阵U、观测O、跨机器人约束E、动作F、奖励（负全局视觉SLAM协同损失）、优化目标（最小化Σ_i=1ⁿΣ_j=1^m||o_ij?π(T_i,m_j)||₂），明确后端不被动接受全部约束而是依属性与状态筛边与节点。

协同注意力神经网络小节说明输入由ORB-SLAM2向量与身份码拼接成时序全局态，经Q/K/V投影与多头注意力得全局协助特征，全连接层输出归一化协助矩阵；该网络与后端通过三机制耦合：选择性约束注入（高u_ij引导跨机高信息边注入）、后验效应感知补偿（负重投影误差奖赏使注意力权重编码长期影响）、异构自适应（身份码使权重反映低精度机—高精度机非对称需求）。

基于协助度的协助优化位姿节点选择小节提出链式目标机器人搜索算法，递归遍历特征点邻位姿，按u_ij优先级合并子列表并通过拓扑一致性校验，得到有序协助位姿链，仅链上节点入BA，以四机器人示例（u_A→D=0.48等）说明合并过程。

基于Actor-Critic的特征点选择与约束建立小节指出Actor输出神经元i·n+j选定第i机器人位姿节点受约、第j机器人观测建约，借链扩展算法找另一受约节点，使决策网络学到异态下特征点选择延迟累积奖赏最大化的协同目标。

整个模型学习算法与后端优化小节给出协助链τ=[C₁,…,C_n]定义与链损失函数（式4三项分别表首端误差、末端协助贡献、其余机器人贡献），总损失E_{τ～p(τ|θ)}loss(τ)，经log导数技巧得?_θtotal_loss=E_τ[loss(τ)Σ_t=1ⁿ?_θlog U(c_t,c_t+1)]，更新律θ←θ?αE_τ[loss(τ)Σ_t?_θlog U(c_t,c_t+1)]；复杂度O(n²d)注意力+O(Lh²)MLP推理，4机单次决策约2.1ms注意力1.3ms，10机扩至5.8ms，内存不超60MB可嵌Jetson。

实验与讨论小节中，实验1用Kimera-Multi数据集比Case1（点线特征协同后端）、Case2（VESC-SLAM），MAS-AA位姿平移RMSE降5.3%/6.8%、旋转RMSE降6.3%/13.0%、地图点平移RMSE降9.1%/10.7%；实验2–5在ROS仿真6机（2航4车）调σ₁控属性离散、σ₂控相机噪声，训1.6M帧收敛，验证异构属性下精度优势。

讨论与结论翻译：研究人员在讨论中指出，MAS-AA相对表1所列系统之定位为首个将注意力机制与深度强化学习结合、专用于异构多机器人协同后端优化中智能特征点与位姿节点选择的方法；其闭环框架克服已有注意力无法预判后续协同状态之后验局限，OCC-BA借协助链删冗约束实现量级效率提升且不牺牲精度。结论部分表明，MAS-AA显著提升异构多机器人系统定位与建图性能，在位姿与地图点精度上超越前沿基线，且跨多机器人配置无需结构大改即具强适用性；该方法有效弥补现有注意力模型忽视联合优化后效与异构协同动态的缺口，为后端优化节点智能筛选提供统一学习范式。