協作探索是指由多個機器人共同探索未知環境，機器人通過信息交換彼此共享對方 的環境信息，并通過任務分配機制協調不同機器人之間的行為，從而提高探索任務完成的 效率。多機器人協作探索的目的取決于其實際的應用，在大部分情況下地圖創建和信息 融合只是協作探索的中間環節，通過多任務分配機制提高探索的效率才是其Z終目的。 原因非常簡單，如果探索的目的只是創建準確的環境地圖而忽略了地圖創建的效率，由單 個機器人完成地圖創建功能比由多個機器人協作地圖創建要簡單得多。

利用多個移動機器人協作探索未知環境與單機器人探索相比具有明顯的優勢。多機 器人系統需要更短的時間去完成同樣的任務。多機器人間的信息冗余有助于克服傳感器 信息的不確定性，實現機器人更加準確的定位和創建更加準確的地圖。多機器人系統的 容錯性使單個機器人的功能喪失不會影響整個任務的完成。

國內外學者重點從兩個方面對多機器人協作探索進行了研究，即目標點發現和多任 務分配。目標點的選取與地圖的表示形式息息相關，本章從地圖的角度出發，研究地圖對 協作探索效率的影響。多任務分配即如何選擇合適的探索策略，是協作探索的核心所 在。

張飛等人針對提高機器人對未知環境的探索效率需要通過協商來解決多個機器 人之間的任務分配問題，提出了改進市場法。該方法利用機器人提交的標的信息，采用數 據融合方法更新其他機器人的本地地圖，在連通條件下計算原先無法計算的花費，而且未 增加額外的通信量。另外，還提出用目標點切換率這一新指標來衡量機器人之間的協作 程度。仿真實驗結果驗證了改進算法的有效性。

在多機器人協作探索中，有限帶寬和地圖拼接是亟待解決的兩個關鍵問題。

1.有限帶寬

有限帶寬限制了機器人之間的信息交互，當傳遞的信息量較大時容易引起網絡堵塞， 降低通信的效率。當機器人之間利用點對點方式通信時，單個機器人只能與有效工作半 徑內的機器人取得聯系。有限帶寬問題與多機器人系統結構密切相關。從控制的角度來 看，多機器人系統可分為集中式(Centralized) 、 分 散 式(Decentralized) 和 分 布 式 (Distributed) 三種。集中式控制結構[162通常由一臺主控機器人掌握全部環境信息及各 受控機器人的信息，它是一種自上而下的層次控制結構。集中式控制結構的優點在于系 統的協調性較好，實現起來較為直觀，但實時性、靈活性、容錯性、適應性等方面較差。另 外，主控機器人和其他機器人之間還存在通信瓶頸問題，由于主控機器人承擔著主要的通 信任務，通信堵塞和通信延遲在很大程度上影響機器人協作探索的實際效果。并且主控 機器人失效將會導致整個機器人系統的崩潰。在分散式控制結構[163][164]中，機器人具有 高度自治能力，自行處理信息、規劃與決策、執行自己的任務，與其他機器人相互通信以協 調各自行為而沒有任何集中控制單元。這種結構具有較好的容錯能力和可擴展性，但對 通信要求較高，且多邊協商效率較低，無法保證全局目標的實現。分布式控制方式165][166介于上述兩者之間，是一種全局上各機器人等同的自主分布式分層結構而局部 集中的結構方式。這種結構方式是分散式的水平交互和集中式的垂直控制相結合的產 物，既提高了協調效率，又不影響系統的實時性、動態性、容錯性和可擴展性。

通信是機器人之間進行交互和組織的基礎。通過通信，多機器人系統中各機器人了 解其他機器人的意圖、動機、目標、動作、策略以及當前環境狀態等信息，進而進行有效地 協商、協作以完成任務。機器人之間通信大致可以分成隱式通信和顯式通信兩種。使用 隱式通信的多機器人系統通過外界環境和自身傳感器來獲取所需的信息并實現相互之間 的協作，機器人之間沒有通過某種共有的規則和方式進行數據和信息交換來實現特定含 義的信息傳遞[167][1683。隱式通信的優點在于不存在通信瓶頸問題，但由于各機器人相互 之間沒有數據、信息的顯式交換，因此難以實現一些高J的協作策略。基于顯式通信的群 機器人系統利用特定的通信媒介，通過共有的規則和方式實現特定信息的傳遞，因此可以 快速、有效地完成數據、信息的轉移和交換，實現許多在隱式通信下無法完成的高J協作 策略[1⁶9。多機器人系統的顯式通信雖然可以強化機器人之間的協作關系，但也存在問 題：機器人的通信過程延長了系統對外界環境變化的反應時間；通信帶寬的限制使機器人 之間信息傳遞和交換出現瓶頸；隨著系統中機器人數量的增加，通信所需時間大量增加， 信息傳遞的瓶頸問題將會更加嚴重。

2.地圖拼接

多機器人協作探索中的地圖拼接問題是單機器人地圖創建中數據關聯的擴展。對于 單機器人而言，大部分文獻假定機器人的初始位姿已知，換句話說，在未知環境中可以把 機器人的初始位姿作為世界坐標系的原點。機器人重新回到地圖中的某一地點，綜合考 慮機器人的當前坐標以及當前檢測到的環境特征，可以實現傳感器數據與相應地圖數據 的關聯。

在多機器人系統中地圖拼接卻異常困難，原因在于：不同機器人之間的地圖融合需要 知道其中一個機器人在另外一個機器人局部地圖中的相對位姿。Howard和Colleagues 利 用機器人間的相互檢測實現相互定位[170]。這種方法的優點是有益于系統的擴展，缺點 是地圖拼接后的精度在很大程度上取決于相對定位的精度，并且在大規模環境下，有可能 機器人之間經歷了很長的探索過程也無法相遇，這就很難保證某一機器人當前所在的區 域是否已經被其他機器人訪問過了。如果機器人無法檢測其他機器人的相對位姿，那么 在多機器人探索未知環境時需要從同一地點出發以獲得統一的世界坐標系。

Fox 和 Ko等人也使用相對位姿檢測的方法融合共享地圖，機器人可以從任意地點出 發，各自創建自己的局部地圖[171]。當檢測到其他機器人的信息時，相互交互傳感器數據 以獲得較好的假設，然后采用集結點方法驗證這一假設。當假設成立時，機器人可以拼接 它們的地圖并由此產生協作策略。該方法的優點是不要求機器人從同一地點出發，改善 了協作探索的效率；缺點是需要匹配機器人傳感器數據與其他機器人的局部地圖數據，當 環境規模很大時，數據關聯的效率在很大程度上取決于地圖的表示形式。對于多機器人 而言，一種好的地圖表示方法不僅要易于創建和維護，而且要方便多個機器人共同完成。 度量地圖雖然能夠提供環境準確的表示，但創建大規模地圖需要處理大量的數據，難以保 證實時性。盡管近幾年關于度量地圖的研究進展使大規模環境的簡約表示成為可能，但拓撲地圖在大規模地圖創建中無疑具有d到的優勢。很多學者因此采用混合地圖的方式 實現不同地圖的優勢互補。混合地圖的生成一般有兩種方式，一種方式是用度量信息注 釋拓撲地圖，另一種方式是從度量地圖中提取拓撲地圖。前者拓撲地圖的節點包含了節 點插入區域的度量信息，該地圖的缺點是計算量較大，通常以離線的方式使用。后者一般 采用分割的方法把度量地圖分為不同的區域，并且使用的地圖通常為柵格地圖。