近年来，机器人变得越来越复杂，因此它们现在能够完成各种各样的任务。 虽然一些机器人被设计成单独工作，例如在人们的家里提供基本的帮助，但其他机器人在团队中部署时可能更有效。

在搜索和救援任务中，例如在自然灾害之后，机器人作为一个团队可能会更有效，因为它们可以更快地供应品或搜索幸存者，覆盖更大的地理区域。 然而，为了最有效地完成任务，机器人应该能够很好地合作，并有效地相互分配不同的任务。

考虑到这一点，格鲁吉亚理工学院（格鲁吉亚理工学院）的研究人员最近制定了一个框架，用于在将由一组机器人完成的任务期间进行适应性任务分配。 他们的框架，在ar Xiv上预先发表的一篇论文中提出，可以根据机器人独特的能力和特性分配任务给机器人..

研究人员Yousef A Emam告诉Tech Xplore说：“机器人团队被设想在动态环境中运作，本文提出了一个更新的规则，允许机器人知道它们适合于他们在飞行中分配的每一项任务。

研究人员开发的框架是基于他们在前一篇论文中介绍的异构多机器人系统的任务分配技术。 这种先前设计的策略需要使用一种算法来解释单个机器人能力的差异，并相应地分配任务。 这些任务的分配和执行是同时进行的。

Emam说：“我们的框架可以在线解决优化问题，告诉单个机器人如何优先考虑它们对要完成的各种任务的贡献（即任务分配)，以及如何做到这一点(即任务执行）。”

在他们的研究中，Emam和他的同事建立在他们以前开发的任务分配策略的基础上，使其更能响应机器人周围环境的变化。 与以前的版本相比，他们的新框架不需要一个明确的环境模型或未知的机器人能力模型。 相反，它主要考虑机器人团队在给定任务上取得的集体进步和每个机器人在单个任务上的表现。

Emam解释说：“在我们最近的研究中，我们制定了一项反馈法，使以前制定的框架适应环境扰动。” “这意味着，即使机器人没有完美的知识来判断它是否适合每一项任务，它也会在飞行中学习它。”

研究人员在一系列的模拟中评估了他们的框架，发现它取得了非常有希望的结果。 在这些实验中，它们的方法使机器人能够在各种环境条件下有效地分配任务，即使在单个机器人的能力在部署之前是未知的情况下也是如此。

未来，Emam及其同事开发的任务分配和执行框架可以加强作为团队部署的机器人之间的合作，提高他们的集体绩效。 这最终将有助于在搜救任务期间大规模调动机器人。

“我们目前正在努力扩大框架，以包括每个机器人的特点(例如。 传感器，执行器)，这样我们就可以更明确地在网上模拟特征故障，“Emam说。 此外，我们正在研究的另一个方面是计算在机器人之间的分布（分散）。