Higher Order Reasoning for Collaborative Communicationless Mobile Robot Operations

Resumen Técnico: Razonamiento de Orden Superior para Operaciones Colaborativas de Robots Móviles sin Comunicación

Enunciado del Problema
Los sistemas multi-robot (MRS) son cada vez más vitales para tareas como la búsqueda y rescate y el reconocimiento. Sin embargo, las estrategias de coordinación tradicionales a menudo dependen de suposiciones poco realistas de comunicación constante o control centralizado. En entornos donde la comunicación está restringida, denegada (por ejemplo, por interferencias) o es indeseable (por ejemplo, sigilo militar), los robots deben coordinarse sin intercambio explícito de información. El desafío central abordado en este artículo es cómo coordinar eficazmente un MRS para descubrir y completar una tarea colaborativa en el menor tiempo posible sin comunicación explícita, particularmente cuando la ubicación de la tarea es desconocida a priori y requiere la presencia de todo el equipo para su finalización.

Metodología
Los autores proponen un marco descentralizado basado en la Teoría de la Mente (ToM) y la Lógica Epistémica Dinámica (DEL). El sistema permite a los robots realizar razonamiento de orden superior, lo que les permite modelar no solo su propio estado, sino también las creencias, intenciones y comportamientos futuros de sus compañeros de equipo. El enfoque consta de cinco componentes integrados:

1. Lógica Epistémica Dinámica (DEL) y Propagación de Partículas:
   Los robots mantienen y propagan "partículas de creencia" para modelar el estado del equipo. Estas incluyen:

   • Creencias de primer orden ($P^j_i$): Estimación del robot $i$ sobre el estado y comportamiento del robot $j$.
   • Empatía de segundo orden ($^iP^j_i$): Estimación del robot $i$ sobre lo que el robot $j$ cree acerca del robot $i$.
   • Creencias de tercer orden ($^kP^j_i$): Estimación del robot $i$ sobre lo que el robot $j$ cree acerca del robot $k$.
     Estas partículas permiten a un robot "rebobinar" el tiempo y simular el proceso de razonamiento de los compañeros de equipo para predecir sus acciones probables (por ejemplo, si un compañero que ha encontrado una tarea esperará o buscará ayuda).

2. Actualización Bayesiana del Estado Epistémico:
   Los robots actualizan sus hipótesis sobre qué compañeros de equipo han descubierto la tarea basándose en eventos observados (por ejemplo, apariciones inesperadas de robots, interceptaciones fallidas o descubrimiento exitoso de la tarea). Mediante un proceso de actualización bayesiana, el sistema ajusta la distribución de probabilidad de los estados epistémicos (quién sabe qué) para refinar las predicciones.

3. Búsqueda en Árbol de Comportamiento:
   Al descubrir una tarea u observar un evento, un robot realiza una búsqueda en árbol con límite de profundidad para seleccionar el comportamiento óptimo. Los primitivos disponibles son:

   • Explorar ($e$): Exploración estándar basada en fronteras.
   • Completar Tarea ($c$): Esperar en la ubicación de la tarea.
   • Recuperar ($f_j$): Interceptación de un compañero de equipo específico $j$ para guiarlo hacia la tarea.
   • Exploración Modificada ($\bar{e}$): Una desviación temporal de la exploración normal para evitar a un compañero de equipo u obstáculo.
     El árbol evalúa el tiempo esperado de finalización de la misión ($T$) para cada rama, considerando las creencias de orden superior sobre las acciones futuras de los compañeros de equipo.

4. Controlador de Integral de Trayectoria Predictiva Modelada Temporalmente Consciente (MPPI):
   Cuando un robot decide "recuperar" a un compañero de equipo, utiliza un controlador MPPI modificado para generar una trayectoria estocásticamente óptima. El controlador planifica un punto de interceptación que obliga al compañero de equipo a detectar al robot de manera inesperada. Esto provoca que el compañero de equipo cambie a una estrategia de "frontera repulsiva" (alejarse del robot inesperado), lo cual el marco aprovecha para dirigir al compañero de equipo hacia la ubicación de la tarea. El controlador tiene en cuenta dinámicas no lineales y objetivos variables en el tiempo.

5. Exploración de Fronteras Informada por Creencias:
   Durante la fase de exploración, los robots seleccionan fronteras (límites entre el espacio conocido y desconocido) basándose en las posiciones predichas de otros robots. Apuntan a fronteras opuestas a las ubicaciones estimadas de los compañeros de equipo para garantizar una cobertura uniforme, utilizando partículas de creencia de primer orden para guiar esta selección.

Contribuciones Clave
El artículo introduce un marco de estimación-planificación-coordinación de largo horizonte diseñado específicamente para equipos multi-robots no comunicativos. Sus contribuciones principales son:

• La integración del razonamiento de orden superior basado en DEL con la exploración de fronteras informada por creencias y el control MPPI para manejar entornos dinámicos con funciones de costo no lineales.
• La demostración de que los planes de largo horizonte impulsados por árboles de comportamiento, adaptados mediante razonamiento de orden superior, pueden coordinar eficazmente equipos en ausencia de comunicación, acelerando significativamente la finalización de tareas en comparación con las líneas base de primer orden.

Resultados
El marco fue evaluado tanto en simulaciones como en experimentos físicos:

• Simulaciones: Probado en equipos de 2, 3 y 4 robots en entornos de 150 m² (tanto vacíos como llenos de obstáculos). En 600 ensayos, el enfoque propuesto igualó o superó una línea base de razonamiento de primer orden en el 93.3% de los casos. Cuando se ejecutó una maniobra de recuperación, redujo el tiempo de finalización de la tarea en un promedio del 20.8% (169 segundos).
• Experimentos Físicos: Validado utilizando robots terrestres en un entorno de laboratorio de 4 m². En un escenario de 3 robots, el método propuesto completó la misión en 115 segundos, lo que representa una reducción del 57.8% (84 segundos) en comparación con el tiempo base de 199 segundos.
• Validación del Mecanismo: Los resultados confirmaron que el razonamiento de orden superior permite a los robots inferir correctamente los estados de conocimiento de sus compañeros de equipo (por ejemplo, darse cuenta de que un compañero ya ha encontrado la tarea y está recuperando a otros) y adaptar sus propias estrategias en consecuencia, incluso en presencia de obstáculos y observabilidad parcial.

Significado y Afirmaciones
Los autores afirman que su trabajo proporciona una base sólida para la coordinación resiliente en dominios con comunicación restringida. Al aprovechar la lógica epistémica, el sistema permite a los robots "pensar" sobre lo que ha sucedido y lo que sucederá en un horizonte temporal, evaluando resultados potenciales para seleccionar el mejor comportamiento del equipo. El artículo afirma que este enfoque aborda eficazmente el cuello de botella de los retrasos de comunicación y la pérdida de datos en los MRS. Aunque el trabajo actual se centra en escenarios sin comunicación, los autores señalan que el método se extiende naturalmente a sistemas con comunicación de rango limitado. Se propone trabajo futuro para escalar el sistema a entornos más grandes y complejos con múltiples tareas, equipos heterogéneos y escenarios adversarios o de interacción humano-robot.