MRBTP: Efficient Multi-Robot Behavior Tree Planning and Collaboration
作者: Yishuai Cai, Xinglin Chen, Zhongxuan Cai, Yunxin Mao, Minglong Li, Wenjing Yang, Ji Wang
发布时间: 2025-02-27
来源: arxiv
研究方向: 机器人学与人工智能
主要内容
本文提出了一种名为MRBTP的算法，用于解决多机器人任务规划和协作问题。该算法基于行为树（Behavior Trees，BTs）控制架构，旨在提高多机器人系统的效率和鲁棒性。
主要贡献
1. 提出了一种名为MRBTP的算法，用于解决多机器人任务规划和协作问题。
2. 实现了跨树扩展，以协调不同行为树之间的异构动作。
3. 引入了备份结构和意图共享机制，以增强鲁棒性和避免冗余执行。
4. 开发了可选插件，利用大型语言模型（LLMs）进行任务相关子树的预规划，从而提高规划和执行效率。
5. 在仓库管理和日常服务场景中进行了实验，验证了MRBTP的鲁棒性和执行效率。
研究方法
1. 行为树（Behavior Trees，BTs）
2. 跨树扩展
3. 备份结构
4. 意图共享
5. 大型语言模型（LLMs）
6. 子树预规划
实验结果
实验结果表明，MRBTP在仓库管理和日常服务场景中均表现出良好的鲁棒性和执行效率。与基线算法相比，MRBTP在成功率和执行效率方面均有显著提升。
未来工作
未来研究将包括：优化算法性能，将算法应用于更复杂、动态的环境，以及在实际机器人系统上进行部署，以评估其在真实场景中的有效性、可扩展性和实用性。