⚡ electrical engineering

Minimizing Worst-Case Weighted Latency for Multi-Robot Persistent Monitoring: Theory and RL-Based Solutions

यह शोध पत्र मल्टी-रोबोट निरंतर निगरानी में मानक वर्स्ट-केस लेटेंसी उद्देश्यों की सीमा को संबोधित करने के लिए टेल-परफॉर्मेंस उद्देश्यों के एक परिवार का प्रस्ताव देता है, उनके सैद्धांतिक गुणों को स्थापित करता है, और एक समकक्ष इवेंट-ड्रिवन एमडीपी (TWLO-MDP) के माध्यम से एक सुदृढीकरण लर्निंग-आधारित समाधान विकसित करता है जो भारित लेटेंसी (weighted latency) को कम करने में मौजूदा बेसलाइनों से बेहतर प्रदर्शन करता है।

मूल लेखक: Weizhen Wang, Ziheng Wang, Jianping He, Xinping Guan, Xiaoming Duan

प्रकाशित 2026-05-12

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Weizhen Wang, Ziheng Wang, Jianping He, Xinping Guan, Xiaoming Duan

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि सुरक्षा गार्डों की एक टीम एक शहर के ब्लॉक में गश्त (patrol) कर रही है। उनका काम सिर्फ एक बार चक्कर लगाना नहीं है; उन्हें इसे हमेशा करते रहना होगा, हर कोने, गली और इमारत की बार-बार जांच करनी होगी। कुछ इमारतें दूसरों की तुलना में अधिक महत्वपूर्ण हैं (जैसे बैंक बनाम एक पार्क), इसलिए गार्डों को बैंक की अधिक बार यात्रा करनी चाहिए।

इस शोध का लक्ष्य यह पता लगाना है कि इन रोबोटों के लिए "परफेक्ट वॉकिंग प्लान" क्या है ताकि "वर्स्ट-केस" (सबसे खराब स्थिति) यथासंभव बेहतर हो सके। इस संदर्भ में, "वर्स्ट-केस" वह सबसे लंबा समय है जब किसी एक इमारत को बिना देखे छोड़ दिया गया, जिसे उस इमारत के महत्व के अनुसार समायोजित किया गया है।

यहाँ सरल उपमाओं (analogies) का उपयोग करके पेपर के विचारों का विवरण दिया गया है:

1. समस्या: "बुरी शुरुआत" का जाल (The "Bad Start" Trap)

आमतौर पर, जब हम किसी पेट्रोल प्लान की गुणवत्ता को आंकते हैं, तो हम पहले सेकंड से पूरे इतिहास को देखते हैं।

उपमा: कल्पना कीजिए कि एक गार्ड अपनी शिफ्ट गलत छोर से शुरू करता है। बैंक तक पहुँचने में उसे 10 मिनट लगते हैं। उन 10 मिनटों के दौरान, बैंक असुरक्षित रहता है। यदि आप पूरे पूरे शिफ्ट को उस एक 10 मिनट के अंतराल के आधार पर आंकते हैं, तो गार्ड बहुत बुरा प्रदर्शन करता हुआ दिखेगा, भले ही उसने अगले 100 वर्षों तक एकदम सटीक पेट्रोलिंग की हो।
पेपर का समाधान: लेखकों ने महसूस किया कि किसी रणनीति को उसकी "बुरी शुरुआत" के आधार पर आंकना अनुचित है। उन्होंने एक "टेल-परफॉर्मेंस" (Tail-Performance) अवधारणा पेश की। इसे ऐसे समझें जैसे एक शिक्षक स्कूल के पहले सप्ताह (जिसे "ट्रांजिएंट" चरण कहा जाता है) को अनदेखा कर देता है और केवल छात्र को तब ग्रेड देता है जब वे एक रूटीन में सेट हो जाते हैं। यह सुनिश्चित करता है कि वे केवल शुरुआती अराजकता को नहीं, बल्कि लंबी अवधि के स्थिर प्रदर्शन को आंक रहे हैं।

2. सिद्धांत: यह सिद्ध करना कि "परफेक्ट लूप" मौजूद है

एक कंप्यूटर प्रोग्राम बनाने से पहले, लेखकों ने कुछ चीजें सिद्ध करने के लिए भारी गणित का उपयोग किया:

अस्तित्व (Existence): उन्होंने सिद्ध किया कि एक "परफेक्ट" पेट्रोल प्लान वास्तव में मौजूद है। आपको इस बात की चिंता करने की ज़रूरत नहीं है कि समस्या का समाधान असंभव है।
लूप (The Loop): उन्होंने दिखाया कि सबसे अच्छी रणनीति हमेशा एक दोहराव वाला लूप (repeating loop) होती है। आपको हर दिन एक नया प्लान बनाने की आवश्यकता नहीं है; आपको बस उस परफेक्ट लूप को खोजना है जो अनंत काल तक दोहराया जाता है।
इंतज़ार करना ठीक है: उन्होंने सिद्ध किया कि रोबोटों को लगातार चलते रहने की आवश्यकता नहीं है। कभी-कभी, सबसे अच्छा कदम किसी विशिष्ट स्थान पर कुछ समय के लिए स्थिर खड़ा होना होता है। उन्होंने यह भी सिद्ध किया कि आप इन "इंतजार के समय" को साधारण संख्याओं (जैसे 1 मिनट, 2 मिनट आदि) में बदल सकते हैं बिना प्लान को खराब किए।

3. समाधान: पेट्रोल को एक गेम में बदलना

इस समस्या का सबसे कठिन हिस्सा यह है कि लक्ष्य (सबसे लंबे इंतजार को कम करना) कंप्यूटरों के लिए अजीब है। मानक कंप्यूटर लर्निंग (Reinforcement Learning) आमतौर पर अंकों के योग को अधिकतम करने की कोशिश करती है (जैसे हर विज़िट के लिए +1 अंक मिलना)। लेकिन यहाँ, एक बुरा क्षण (लंबा इंतजार) पिछले कितने भी अच्छे क्षणों के बावजूद पूरे स्कोर को बिगाड़ सकता है।

उपमा: कल्पना कीजिए कि आप एक वीडियो गेम खेल रहे हैं जहाँ आपका स्कोर एकत्र किए गए सिक्कों की कुल संख्या नहीं है, बल्कि वह सबसे लंबा समय है जब आपने कोई सिक्का नहीं लिया। स्टैंडर्ड गेम AI को यह नहीं पता कि इसे कैसे खेलना है।
पेपर का समाधान: लेखकों ने एक विशेष "गेम इंजन" (जिसे TWLO-MDP कहा जाता है) बनाया जो कंप्यूटर को चकमा देता है। उन्होंने गेम स्टेट में एक "मेमोरी ट्रैकर" जोड़ा। यह ट्रैकर अब तक देखे गए सबसे खराब वेट टाइम को याद रखता है।
- अब, एक अजीब "वर्स्ट-केस" नंबर को कम करने के बजाय, कंप्यूटर बस एक मानक गेम खेलता है जहाँ वह उस "मेमोरी ट्रैकर" को समय के साथ यथासंभव कम रखने की कोशिश करता है।
- यह एक सुपर-हार्ड, अजीब समस्या को एक मानक, समाधान योग्य गेम में बदल देता है जिसे आधुनिक AI पूरी तरह से सीख सकता है।

4. टूल: M2Bench (रोबोट पेट्रोल के लिए "जिम")

अपने नए तरीके का परीक्षण करने के लिए, लेखकों ने M2Bench नामक एक प्लेटफॉर्म बनाया।

उपमा: इससे पहले, यदि आप एक नया रोबोट पेट्रोल रणनीति टेस्ट करना चाहते, तो आपको शून्य से अपना खुद का सिमुलेशन बनाना पड़ता, जैसे कि एक नया रनिंग शू टेस्ट करने के लिए जिम का उपकरण बनाना।
पेपर का समाधान: M2Bench एक बना-बनाया, यूनिवर्सल जिम है। इसमें अलग-अलग "ट्रैक" हैं (सिम्युलेटेड शहर, साधारण त्रिकोण से लेकर सैन फ्रांसिस्को के क्राइम हॉटस्पॉट्स के वास्तविक मैप तक)। यह शोधकर्ताओं को अपने नए AI रणनीतियों को पुराने, मानक तरीकों (जैसे रैंडम वॉकिंग या सिंपल लूप्स) के खिलाफ समान नियमों और मापने के पैमाने का उपयोग करके निष्पक्ष रूप से तुलना करने की अनुमति देता है।

5. परिणाम: AI की जीत

जब उन्होंने इन ट्रैक्स पर अपने नए "टेल-परफॉर्मेंस" AI (MAPPO नामक विधि का उपयोग करके) का परीक्षण किया:

इसने "बुरी शुरुआत" को अनदेखा करना और लंबी अवधि के रूटीन पर ध्यान केंद्रित करना सीखा।
इसने लगातार ऐसे पेट्रोल लूप्स खोजे जिन्होंने पुराने, मानक तरीकों की तुलना में "वर्स्ट वेट टाइम" को कम रखा।
यह साधारण काल्पनिक मैप्स और विभिन्न बिल्डिंग प्रायोरिटीज वाले जटिल, वास्तविक मैप्स दोनों पर अच्छी तरह से काम कर गया।

सारांश

पेपर कहता है: "रोबोट पेट्रोल को उनके शुरुआती कुछ मिनटों की अव्यवस्था से आंकना बंद करें। इसके बजाय, उनके स्थिर, लंबी अवधि के रिदम पर ध्यान दें। हमने गणितीय रूप से सिद्ध किया है कि परफेक्ट रिपीट होने वाले लूप्स मौजूद हैं, और हमने एक विशेष 'गेम' बनाया है जो AI को उन लूप्स को खोजने में मदद करता है। हमने एक यूनिवर्सल टेस्टिंग ग्राउंड (M2Bench) भी बनाया है ताकि यह साबित किया जा सके कि हमारा नया AI तरीका महत्वपूर्ण स्थानों को सुरक्षित रखने के मामले में पुराने तरीकों से बेहतर है।"

तकनीकी सारांश: मल्टी-रोबोट निरंतर निगरानी के लिए वर्स्ट-केस वेटेड लेटेंसी को कम करना

समस्या का निरूपण

यह शोध पत्र भारित ग्राफ़ (weighted graphs) पर मल्टी-रोबोट निरंतर निगरानी (multi-robot persistent monitoring) की समस्या को संबोधित करता है। वातावरण को एक परिमित भारित ग्राफ़ $G = (V, E, A, \phi)$ के रूप में मॉडल किया गया है, जहाँ नोड्स (nodes) संबद्ध भार $\phi(v)$ के साथ महत्वपूर्ण स्थानों का प्रतिनिधित्व करते हैं जो निगरानी प्राथमिकता को दर्शाते हैं, और किनारे (edges) भौतिक पथों का प्रतिनिधित्व करते हैं जिनकी लंबाई $A(e)$ है। $k$ रोबोटों की एक टीम इस ग्राफ़ पर चलती है जिसकी अधिकतम गति एक है, और वे किसी भी बिंदु पर रुकने (wait) में सक्षम हैं।

मुख्य उद्देश्य अनंत समय क्षितिज (infinite time horizon) पर वर्स्ट-केस वेटेड लेटेंसी (worst-case weighted latency) को कम करने के लिए संयुक्त रोबोट प्रक्षेपवक्र (joint robot trajectories) डिजाइन करना है। किसी नोड $v$ के लिए लेटेंसी $L_v(t)$ को उसके अंतिम आगमन के बाद से बीते हुए समय के रूप में परिभाषित किया गया है। तात्कालिक वर्स्ट वेटेड लेटेंसी $L(t) = \max_{v \in V} \phi(v) L_v(t)$ है।

लेखक मानक वर्स्ट-केस लेटेंसी उद्देश्य ( $\sup_{t \ge 0} L(t)$ ) में एक सीमा की पहचान करते हैं: यह प्रारंभिक रोबोट तैनाती के कारण होने वाले क्षणिक व्यवहारों (transient behaviors) के प्रति अत्यधिक संवेदनशील है। एक रणनीति अनुकूल शुरुआती स्थितियों के कारण खराब प्रारंभिक प्रदर्शन प्रदर्शित कर सकती है, लेकिन एक इष्टतम स्थिर अवस्था (optimal steady state) में अभिसरित (converge) हो सकती है। मानक मीट्रिक ऐसी रणनीतियों को स्थायी रूप से खराब प्रदर्शन वाली रणनीतियों से अलग करने में विफल रहता है।

इसे संबोधित करने के लिए, यह शोध पत्र टेल-परफॉर्मेंस उद्देश्यों (tail-performance objectives) के एक परिवार को पेश करता है। एक दिए गए क्षणिक क्षितिज $T \ge 0$ के लिए, उद्देश्य है:
$J_T(\pi) = \sup_{t \ge T} L(t)$
यह सूत्रीकरण प्रारंभिक क्षणिक चरण को बाहर करता है, और दीर्घकालिक निगरानी गुणवत्ता पर ध्यान केंद्रित करता है।

कार्यप्रणाली

1. सैद्धांतिक विश्लेषण

लेखक टेल-परफॉर्मेंस उद्देश्यों के कई मौलिक सैद्धांतिक गुणों को स्थापित करते हैं:

इष्टतम रणनीतियों का अस्तित्व (Existence of Optimal Strategies): अर्ज़ेला-असकोली प्रमेय (Arzelà–Ascoli theorem) और कॉम्पैक्ट सेटों पर लोअर सेमी-कंटीन्यूअस फंक्शनल्स के गुणों का उपयोग करते हुए, वे सिद्ध करते हैं कि किसी भी $T \in \mathbb{R}_{\ge 0}$ के लिए एक इष्टतम रणनीति मौजूद है।
अपरिवर्तनीयता और एकदिष्टता (Invariance and Monotonicity): वे दिखाते हैं कि इष्टतम मान $J^*$ $T$ से स्वतंत्र है (अर्थात, सभी $T$ के लिए $J^*_T = J^*$ )। इसके अलावा, इष्टतम रणनीतियों का सेट एकदिष्ट (monotonic) है; $T=0$ के लिए इष्टतम रणनीतियाँ बड़े $T$ के लिए भी इष्टतम रहती हैं, जबकि $T$ को बढ़ाने से अधिक क्षणिक व्यवहारों को सहन करने की अनुमति देकर स्वीकार्य इष्टतम रणनीतियों का सेट बढ़ जाता है।
आवधिक सन्निकटन (Periodic Approximation): वे सिद्ध करते हैं कि किसी भी व्यवहार्य रणनीति के लिए जिसका परिमित प्रदर्शन है, एक आवधिक रणनीति (periodic strategy) होती है जो उसे अनिश्चित रूप से करीब से अनुमानित (approximate) करती है। यह अनंत-क्षितिज कार्यात्मक अनुकूलन को परिमित-क्षितिज दोहराने वाले पैटर्न के खोज में बदल देता है।
विविक्त प्रतीक्षा समय (Discretized Waiting Times): लेखक प्रदर्शित करते हैं कि रोबोटों को नोड्स के बीच पूर्ण गति से चलने और केवल विविक्त समय चरणों (discretized time steps) के साथ नोड्स पर प्रतीक्षा करने के लिए प्रतिबंधित करने से केवल एक सीमित, नियंत्रणीय सन्निकटन त्रुटि ( $O(\Delta)$ ) आती है।

2. MDP पुनर्गठन (TWLO-MDP)

एक केंद्रीय योगदान एक इवेंट-ड्रिवन मार्कोव डिसीजन प्रोसेस (MDP) का पुनर्गठन है, जिसे टेल वर्स्ट-केस लेटेंसी-ऑप्टिमाइज़िंग मार्कोव डिसीजन प्रोसेस (TWLO-MDP) कहा जाता है, जो निरंतर-समय, नॉन-एडिटिव कार्यात्मक अनुकूलन समस्या के समतुल्य है।

स्टेट स्पेस (State Space): स्टेट में सभी रोबोटों की संयुक्त स्थिति, सभी नोड्स की वर्तमान लेटेंसी, $T$ के बाद से देखे गए वर्स्ट वेटेड लेटेंसी का एक ट्रैकर, और बीते हुए समय का काउंटर शामिल है।
एक्शन स्पेस (Action Space): रोबट एक आसन्न नोड की ओर जाने या एक विविक्त अवधि के लिए प्रतीक्षा करने का निर्णय लेते हैं।
रिवॉर्ड और उद्देश्य: नॉन-एडिटिव टेल उद्देश्य को एक मानक औसत-रिवॉर्ड मानदंड (average-reward criterion) में बदल दिया जाता है। प्रत्येक इवेंट स्टेप पर रिवॉर्ड वर्स्ट-लेटेंसी ट्रैकर का वर्तमान मान है। लेखक सिद्ध करते हैं कि इस MDP का इष्टतम औसत रिवॉर्ड मूल मॉनिटरिंग समस्या के इष्टतम टेल परफॉर्मेंस के ठीक बराबर है। यह समानता उन्हें हेयुरिस्टिक सरोगेट रिवॉर्ड्स पर निर्भर रहने के बजाय सीधे मूल समस्या को हल करने के लिए मानक सुदृढीकरण लर्निंग (RL) एल्गोरिदम का उपयोग करने की अनुमति देती है।

3. सुदृढीकरण लर्निंग समाधान (Reinforcement Learning Solutions)

TWLO-MDP के आधार पर, लेखक कई समस्या-विशिष्ट संवर्द्धनों के साथ RL-आधारित समाधान विधियाँ (विशेष रूप से MAPPO का उपयोग करते हुए) विकसित करते हैं:

समय-सामान्यीकृत उद्देश्य (Time-Normalized Objective): भौतिक समय अर्थशास्त्र के साथ प्रशिक्षण को संरेखित करने के लिए, रोलआउट को निर्णय चरणों की संख्या के बजाय बीते हुए भौतिक समय द्वारा ट्रंकेट किया जाता है। रिवॉर्ड को इवेंट अंतराल की अवधि ( $z_n \Delta t_n$ ) द्वारा भारित किया जाता है ताकि नीतियां न्यूनतम प्रतीक्षा समय चुनकर लेटेंसी को कृत्रिम रूप से कम न कर सकें।
ट्रांसपेरेंट GAE (Trans-GAE): एक संशोधित जनरलाइज्ड एडवांटेज एस्टीमेशन (Generalized Advantage Estimation) जो एसिंक्रोनस इवेंट ट्रांजिशन को संभालने के लिए निष्क्रिय "नो-ऑप" स्टेप्स को फोल्ड करता है, जिससे परिवर्तनशील समय अंतराल के माध्यम से सही क्रेडिट असाइनमेंट सुनिश्चित होता है।
काउंटरफैक्चुअल क्रेडिट असाइनमेंट (Counterfactual Credit Assignment): मल्टी-एजेंट सेटिंग्स में ग्लोबल रिवॉर्ड्स की विरलता (sparsity) को संबोधित करने के लिए, यह विधि एक एजेंट द्वारा बेसलाइन एक्शन लेने वाले काउंटरफैक्चुअल परिदृश्यों के साथ वास्तविक परिणामों की तुलना करके व्यक्तिगत एजेंट योगदान का अनुमान लगाती है।
इमिटेशन लर्निंग (Imitation Learning): पाइपलाइन प्री-ट्रेनिंग (व्यवहार क्लोनिंग) के लिए प्रदर्शन डेटा उत्पन्न करने के लिए हेयुरिस्टिक नीतियों का उपयोग करती है, जो RL एजेंट के लिए फाइन-ट्यूनिंग से पहले एक मजबूत इनिशियलाइजेशन प्रदान करती है।

4. M2Bench प्लेटफॉर्म

लेखक एक M2Bench नामक मॉड्यूलर बेंचमार्किंग प्लेटफॉर्म पेश करते हैं, जिसे हेयुरिस्टिक और RL-आधारित मॉनिटरिंग एल्गोरिदम को एकीकृत करने के लिए डिज़ाइन किया गया है। इसमें शामिल हैं:

ग्राफ़, MDP फॉर्मूलेशन और एल्गोरिदम को परिभाषित करने के लिए एक एकीकृत कॉन्फ़िगरेशन-संचालित वर्कफ़्लो (YAML-आधारित)।
सिंक्रोनस और इवेंट-ड्रिवन एसिंक्रोनस सिमुलेशन दोनों के लिए समर्थन।
15 क्लासिकल हेयुरिस्टिक्स और 10 आधुनिक RL एल्गोरिदम के एकीकृत कार्यान्वयन।
भारित नोड्स के लिए विस्तारित एकीकृत मूल्यांकन मीट्रिक्स (इंस्टेंटेनियस/एवरेज/वर्स्ट ग्राफ आइडलनेस)।

मुख्य परिणाम

सिंथेटिक ग्राफ़ (एक "लॉन्ग-एज" ग्राफ़ सहित) और सैन फ्रांसिस्को क्राइम मैप का उपयोग करके एक यथार्थवादी परिदृश्य पर प्रयोग किए गए।

लर्निंग परफॉर्मेंस: प्रस्तावित TWLO-MDP फॉर्मूलेशन प्रतिनिधि MARL एल्गोरिदम (MAPPO, IPPO, VDPPO) को प्रभावी ढंग से वर्स्ट-केस वेटेड लेटेंसी को कम करने में सक्षम बनाता है। पॉलिसी-ग्रेडिएंट विधियां कम लेटेंसी मानों पर अभिसरित हुईं, जो स्वतंत्र वैल्यू-लर्निंग दृष्टिकोणों (IQL) से काफी बेहतर प्रदर्शन करती हैं।
बेंचमार्क तुलना: सैन फ्रांसिस्को क्राइम मैप पर, MAPPO-TWLO (इमिटेशन लर्निंग के साथ इनिशियलाइज्ड) ने सभी तुलना किए गए एल्गोरिदम, जिनमें क्लासिकल हेयुरिस्टिक्स (जैसे BBLA, GBLA) और अन्य RL बेसलाइन्स (जैसे MAGEC, S4R1) शामिल हैं, के बीच सबसे कम वर्स्ट-केस वेटेड लेटेंसी प्राप्त की।
मजबूती (Robustness): लर्निंग-आधारित विधियों ने फिक्स्ड हेयुरिस्टिक नियमों की तुलना में हेट्रोजेनियस एज लेंथ और नोड प्रायोरिटी वाले जटिल भारित ग्राफ़ के प्रति बेहतर अनुकूलन क्षमता प्रदर्शित की।

महत्व और दावे

लेखक दावा करते हैं कि वे निम्नलिखित योगदान देते हैं:

सैद्धांतिक आधार: यह टेल-परफॉर्मेंस उद्देश्यों के लिए इष्टतम रणनीतियों के अस्तित्व को स्थापित करता है और सिद्ध करता है कि आवधिक समाधान इष्टतम प्रदर्शन को अनिश्चित रूप से करीब से अनुमानित कर सकते हैं, जो परिमित-क्षितिज पैटर्न पर ध्यान केंद्रित करने को उचित ठहराता है।
सटीक पुनर्गठन: यह नॉन-एडिटिव वर्स्ट-केस लेटेंसी समस्या को एक औसत-रिवॉर्ड MDP में एक सटीक पुनर्गठन प्रदान करता है। यह कार्यात्मक अनुकूलन और मानक RL के बीच के अंतर को पाटता है, जिससे हेयुरिस्टिक रिवॉर्ड शेपिंग के बिना वास्तविक मॉनिटरिंग उद्देश्य के सीधे अनुकूलन की अनुमति मिलती है।
एकीकृत बेंचमार्किंग: यह विषम मॉनिटरिंग एल्गोरिदम की तुलना के लिए एक एकीकृत प्लेटफॉर्म (M2Bench) पेश करके हेयुरिस्टिक और लर्निंग-आधारित प्रतिमानों के बीच निष्पक्ष मूल्यांकन की सुविधा प्रदान करता है।
व्यावहारिक प्रभावकारिता: अनुभवजन्य परिणाम बताते हैं कि प्रस्तावित फ्रेमवर्क सिंथेटिक और यथार्थवादी दोनों परिदृश्यों में वर्स्ट-केस वेटेड लेटेंसी को प्रभावी ढंग से कम करता है, जो स्टेट-ऑफ-द-आर्ट बेसलाइन्स से बेहतर है।

लेखक निष्कर्ष निकालते हैं कि जबकि सिंगल-रोबोट केस के लिए अच्छी तरह से स्थापित संरचनात्मक परिणाम हैं, इन्हें मल्टी-रोबोट सेटिंग्स में विस्तारित करना गैर-तुच्छ (non-trivial) है। उनका कार्य इस विस्तार के लिए एक कठोर सैद्धांतिक और एल्गोरिथमिक ढांचा प्रदान करता है, जिसमें डायनेमिक ग्राफ़, अनिश्चित यात्रा समय और बड़े पैमाने की टीमों को संबोधित करने के लिए भविष्य के कार्य की योजना बनाई गई है।