技术摘要：信任门控预测性重分配 (TGPR)

问题陈述

去中心化多机器人任务分配 (MRTA) 通常依赖于市场机制拍卖（例如，合同网协议、CBBA），这些机制假设消息传递是可靠的。在实际部署中，由于路径损耗、干扰以及关键的——各机器人之间存在的持续性硬件退化（例如，磨损的天线、功率受限的发射器）——无线通信是具有损耗性的。

目前的鲁棒方法通过减少消息频率或仅在检测到失败后才重新分配任务来解决此问题。这些方法将通信不确定性视为一种需要通过重试或定期协调来吸收的调度干扰，而非一种可学习的量。此外，现有 MRTA 中的“信任”模型侧重于智能体完成任务的“能力”，而非其自身“通信链路的可靠性”。这导致了在有损网络中的两个主要失效模式：

1. 饥饿 (Starvation)： 任务已被授予，但确认消息丢失；协调者无限期等待，而没有其他机器人介入。
2. 重复 (Duplication)： 协调者因等待延迟（而非丢失）的确认而超时，从而重新分配任务，导致两个机器人执行同一个任务。

方法论：信任门控预测 $\text{Predictive Reallocation (TGPR)}$

TGPR 是一种去中心化拍卖机制，它将每个机器人的贝叶斯往返通信可靠性估计集成到标准的“发布-竞标-授予-确认”循环中。它修改了协调者的决策逻辑，而不改变底层的消息协议。

1. 贝叶斯往返信任估计

协调者为每个机器人 $i$ 维护一个 Beta 后验分布 $Beta(\alpha_i, \beta_i)$，代表成功完成“授予-确认”往返循环的概率。

• 更新： 参数根据观察到的结果（延迟 $\delta$ 下的成功或超时）进行更新。
• 衰减： 衰减因子 $\lambda < 1$ 允许估计值追踪非平稳状态（例如，任务执行过程中出现的硬件故障）。
• 信任分数： 估计的可靠性为 $\hat{p}_i = \alpha_i / (\alpha_i + \beta_i)$。

2. 信任折扣竞标评估

与使用原始效用 ($u_{ij}$) 对竞标者进行排序的标准拍卖不同，TGPR 通过信任折扣后的效用进行排序：
$$\hat{u}_{ij} = u_{ij} \cdot \hat{p}_i$$
这优先考虑了既有能力又可达到的机器人，从而区分了“具备高能力但通信链路较差的机器人”与“能力稍逊但通信链路可靠的机器人”。

3. 自适应预测超时

TGPR 不使用固定的全局超时，而是根据学习到的延迟分布计算每个机器人的超时时间 $\tau_i$：
$$\tau_i = \text{clip}(\mu_i + z\sigma_i, \tau_{min}, \tau_{max})$$
这为历史上响应慢但可靠的链路提供了耐心，同时也允许快速恢复那些从未发生过失败的链路。

4. 置信度门控旁观者认领

为了降低恢复延迟，在听到授予广播且宣布的截止日期已过仍未收到确认广播时，空闲机器人可以认领该任务。

• 机制： 如果旁观者认领了任务，协调者会尝试取消原持有者的任务。
• 宽限窗口： 一个短促的宽限窗口可防止旁观者认领与协调者自身的备选逻辑发生竞争，确保协调者的重分配逻辑不会被过早抢占。

核心贡献

1. 测试平台设计： 一个离散事件模拟器，其信道模型具有距离相关的损耗、瞬态干扰以及一个持续的、可学习的单机硬件可靠性因子 ($h_i$)。作者证明，如果没有这种持续性的差异，基于信任的机制相比于基于距离的启发式方法并无优势。
2. TGPR 算法： 一种结合了信任折扣竞标、自适应单机超时和旁观者认领的新型拍卖机制。
3. 受控评估： 在五种信道质量状态、两种团队规模以及一项硬件异构性消融实验下，对三种基准方法（朴素固定超时、指数退避、定期协调）进行了系统性比较。

实验结果

研究评估了 4,800 次主扫描试验和 2,000 次消融试验。

效率与浪费减少

TGPR 在通信效率和减少浪费方面表现出显著的改进：

• 重复执行： 相对于朴素基准减少了 23.9%（10.65% vs. 13.99%）。
• 消息开销： 减少了 13.6%（每个完成任务的消息数从 193.6 降至 167.2）。
• 趋势： 当信道质量恶化以及硬件退化机器人比例增加时，这些优势愈发明显。

任务完成率

与“可靠性感知分配能提高整体吞吐量”的假设相反，TGPR 并未提高 整体任务完成率。

• 性能： 在差和极差的信道条件下，TGPR 完成的任务数量显著少于朴素固定超时基准（例如，在 $N=25$ 且处于极差条件下时，为 0.434 vs. 0.466）。
• 消融发现： 随着硬件退化比例的增加，完成率差距反而扩大（从 1.1% 增至 1.9%），这与期望中“信任机制能通过规避劣质硬件来弥补成本”的预期相悖。

完成率成本的根本原因

作者将完成率的下降归因于两个特定机制：

1. 无界方差膨胀： 在持续高失败率的情况下，自适应超时更新规则会导致延迟方差估计 ($\sigma_i$) 膨胀而缺乏足够的衰减。这导致学习到的超时时间不断向最大上限靠拢，失去了区分健康机器人与退化机器人的辨别力。
2. 固定延迟税： 旁观者认领的宽限窗口在每次恢复周期中引入了固定延迟，在频繁失败时会累积成本。

参数敏感性分析证实，通过降低超时乘数 ($z$) 可以恢复完成率，但代价是增加了重复执行和消息开销，这表明这是一个可控的权衡而非根本性缺陷。

重要性与主张

本文将 TGPR 定位为并非通用的改进方案，而是一种针对特定运行约束的专门化解决方案。

• 运行边界： 对于通信带宽稀缺或重复物理投入（如电池消耗、执行器磨损）是核心约束的部署场景，TGPR 是一个实质性的胜利。在这些场景中，减少浪费和消息开销是衡量成功的首要指标。
• 局限性： 当唯一衡量指标是恶劣环境下的原始任务完成吞吐量时，TGPR 并不是比简单的固定超时基准更优的方案，甚至可能表现更差。
• 科学洞察： 本研究提供了一个关于“信任并不总是有效”的批判性反例。它证明了基于信任的机制需要一个持续的、可学习的信号（硬件退化）才能发挥作用；在不确定性纯粹由位置和瞬态引起的机群中，信任机制无法提供可衡量的收益。
• 诚实报告： 作者明确报告了这种权衡，指出尽管最初有预期，但由于硬件异构性增加，该机制的成本（降低的完成率）也会随之增加，并将此归因于特定的算法行为（方差膨胀）而非外部因素。

研究结论认为，TGPR 提供了一个价值量化的权衡：即在提供持续、可学习的硬件可靠性差异的部署环境中，通过牺牲部分任务完成吞吐量，来显著降低通信开销和重复执行。