決定論的およびメタヒューリスティック手法を用いた効率的なマルチロボット探査

本研究では、複雑で未知の環境における迅速なマルチロボット探査を可能にするハイブリッド最適化手法「EMREL (Efficient Multi-Robot Exploration)」を提案する。EMRELは、決定論的な協調型マルチロボット探査 (CME) の定式化を採用し、コストとユーティリティ値を全ロボットで共有されるフロンティア情報構造 (FIS) に整理する。これにより、各ロボット周辺の隣接セルを決定論的に優先順位付けする。その後、確率的オプティマイザ (Crayfish Optimizer) が全体的な解を改善することで探索空間を拡張する。このハイブリッド手法は、通常のマップと複雑なマップの両方で評価され、現代のアルゴリズムと比較された。シミュレーションの結果、提案手法は探査率、時間効率、およびシミュレーション失敗回数の点で、現代のアルゴリズムを上回ることが示された。EMRELは、ロボット探査のための多用途で優れた効率的なアプローチとしての可能性を示している。