Kilobots模拟器Kilombo

为什么要设计模拟器

Kilobot是研究群体机器人的广泛使用的平台，物理Kilobot运行缓慢且需要频繁进行重新校准和充电，这极大地减慢了开发周期。模拟器可以加快测试，探索和假设生成的过程，但通常需要在模拟器和机器人之间进行耗时且容易出错的代码转换。此外，性质不同的代码通常会混淆模拟器与实际机器人群行为之间的直接比较以及确定偏差原因。
为了解决这些问题，所以开发了基于C的模拟器，模拟器允许那些与Kilobots一起工作的人在模拟器和物理机器人中使用相同的程序代码。可以在台式计算机上以比实时实时快100倍的速度运行1000个机器人，使用我们的模拟器，即Kilombo，大大简化并加快了开发速度，从而使潜在算法的高通量预筛选成为可能可能导致期望的紧急行为。这种为Kilobots专门开发的策略对于有效的机器人群研究具有普遍意义。

介绍

近年来，使用机器人群体的研究变得越来越重要，因为它允许人们研究以非分层和分布式方式自组织的许多交互代理如何生成复杂的紧急行为。例如，大量的物理机器人能够挑战当前的认识，即由于局部交互作用，解决问题的鲁棒性如何出现（Valentini等人2015b; Ferrante等人2015）。这些算法所基于的深思熟虑的概念，机制和假设的最终原理证明。但是，要以高效且高通量的方式进行操作，在绘图板和物理机器人之间必须具有可用的工具至关重要。
在这里，我们介绍一种我们所产生的工具，一种叫做Kilombo的新型模拟器，它可以将概念思想与物理机器人群联系起来.Kilobot（Rubenstein et al 2011，2012，2014）是由由K-team制造的哈佛大学自组织系统研究小组已经成为解决大型机器人自组织的当前范式系统。如图1所示，该机器人被设计用于大型机器人群：所有常规操作（例如编程，打开或关闭机器人，为电池充电）都可以大规模执行，而无需操作单个机器人。每个Kilobot的功能都是有限的，但足以实现集体行为算法，例如用于形状形成的S-DASH算法（Rubenstein和Shen 2010,2009）。自发布硬件规格以来，Kilobots已用于各种研究项目，例如关于集体运输（Rubenstein等，2013），控制理论（Lopes等，2014），教育（Hui等，2014）和有效决策制作（Valentini et al 2015a）。在实际的物理机器人上进行自组织测试的算法构成了这些算法所基于的思想概念，机制和假设的最终原理证明。但是，要以高效且高通量的方式进行操作，最重要的是在绘图板和物理机器人之间使用可用的工具。

模拟器需要满足的三个关键要求

–仿真必须以足够的精度捕获真实Kilobot的基本特征（尤其是在具有许多交互机器人的场景中）。理想情况下，应该有可能仅使用模拟器使用开发的机器人代码来充分探索可能的行为。但是请注意，很难直接预测，并且高度依赖算法，因为在实际范围内，实际Kilobot嵌入所带来的小错误和变化在多大程度上可以通过多组件交互传播，因此很难预测。从数量和质量上影响整体动态。因此，我们仍将真实机器人群的性能视为研究的基本步骤，与在模拟器中观察到的情况进行对比，较大的差异指向了对复杂度和多模态噪声的鲁棒性较弱的算法。 “现实生活” (Jakobi 1997)。
–有用的仿真应该比实际系统快得多。更快的仿真可以缩短开发和调试的迭代周期，从而提高开发速度。此外，快速模拟还提出了可以应用于Kilobot系统的新型问题。
–将用户代码从模拟器移植到机器人（或相反）时，应要求更改尽可能少。这有两个有益的结果。首先，减少了在模拟器和真实机器人之间切换所需的工作量，其次，将在移植过程中引入新错误的可能性降到了最低。两者一起提高了为Kilobots开发用户代码的速度和便利性。

综述

开发的基于C的模拟器Kilombo，它使那些与Kilobots一起工作的人能够大大加快测试和调试Kilobot代码的速度。该模拟器编译在物理Kilobot上运行的相同代码，从而消除了将代码转换到不同平台的缓慢且容易出错的步骤。考虑到运动模式的某些限制，模拟的Kilobot与运行相同程序的Kilobot具有良好的一致性。该模拟器使高通量的潜在算法的预筛选成为可能，这些算法可能导致所需的紧急行为。我们认为，这种为Kilobots专门开发的策略对于有效的机器人群研究具有普遍意义。