DC-Ada: Adattamento Decentralizzato dei Sensori per Team Eterogenei di Robot Multipli

I ricercatori hanno introdotto DC-Ada, una strategia di adattamento decentralizzato basata esclusivamente sulle ricompense per team eterogenei di robot multipli. Questo metodo mantiene una politica condivisa pre-addestrata congelata, adattando trasformazioni compatte delle osservazioni per ogni robot al fine di allineare sensori diversi in un quadro di inferenza coerente. DC-Ada opera senza gradienti e minimizza la comunicazione, impiegando una ricerca casuale con accettazione/rifiuto a budget limitato e brevi rollout utilizzando numeri casuali comuni, tutto entro uno stretto budget di passi. L'efficacia di questo approccio viene testata contro quattro baseline in un simulatore deterministico 2D per robot multipli, affrontando scenari di logistica di magazzino, ricerca e soccorso, e mappatura collaborativa attraverso quattro livelli di eterogeneità (H0–H3). Questa ricerca affronta il problema dei controllori che funzionano male quando vengono implementati su robot con sensori assenti o non corrispondenti.