In swarm robotics, any of the robots in a swarm may be affected by different faults, resulting in significant performance declines. To allow fault recovery from randomly injected faults to different robots in a swarm, a model-free approach may be preferable due to the accumulation of faults in models and the difficulty to predict the behaviour of neighbouring robots. One model-free approach to fault recovery involves two phases: during simulation, a quality-diversity algorithm evolves a behaviourally diverse archive of controllers; during the target application, a search for the best controller is initiated after fault injection. In quality-diversity algorithms, the choice of the behavioural descriptor is a key design choice that determines the quality of the evolved archives, and therefore the fault recovery performance. Although the environment is an important determinant of behaviour, the impact of environmental diversity is often ignored in the choice of a suitable behavioural descriptor. This study compares different behavioural descriptors, including two generic descriptors that work on a wide range of tasks, one hand-coded descriptor which fits the domain of interest, and one novel type of descriptor based on environmental diversity, which we call Quality-Environment-Diversity (QED). Results demonstrate that the above-mentioned model-free approach to fault recovery is feasible in the context of swarm robotics, reducing the fault impact by a factor 2-3. Further, the environmental diversity obtained with QED yields a unique behavioural diversity profile that allows it to recover from high-impact faults.

中文翻译：

---

QED：使用质量-环境-多样性来进化有弹性的机器人群

在群体机器人中，群体中的任何一个机器人都可能受到不同故障的影响，导致性能显着下降。为了允许从随机注入的故障到群体中不同机器人的故障恢复，由于模型中的故障累积以及难以预测相邻机器人的行为，无模型方法可能更可取。一种无模型的故障恢复方法涉及两个阶段：在仿真期间，质量多样性算法演化出行为多样的控制器档案；在目标应用程序期间，在故障注入后开始搜索最佳控制器。在质量多样性算法中，行为描述符的选择是决定演化档案质量的关键设计选择，因此也决定了故障恢复性能。虽然环境是行为的重要决定因素，但在选择合适的行为描述时，环境多样性的影响往往被忽略。本研究比较了不同的行为描述符，包括两种适用于广泛任务的通用描述符、一种适合感兴趣领域的手工编码描述符，以及一种基于环境多样性的新型描述符，我们称之为质量-环境-多样性（QED）。结果表明，上述无模型故障恢复方法在群体机器人的背景下是可行的，将故障影响降低了 2-3 倍。此外，QED 获得的环境多样性产生了独特的行为多样性特征，使其能够从高影响故障中恢复。在选择合适的行为描述时，环境多样性的影响往往被忽略。本研究比较了不同的行为描述符，包括两种适用于广泛任务的通用描述符、一种适合感兴趣领域的手工编码描述符，以及一种基于环境多样性的新型描述符，我们称之为质量-环境-多样性（QED）。结果表明，上述无模型故障恢复方法在群体机器人的背景下是可行的，将故障影响降低了 2-3 倍。此外，使用 QED 获得的环境多样性产生了独特的行为多样性概况，使其能够从高影响故障中恢复。在选择合适的行为描述时，环境多样性的影响往往被忽略。本研究比较了不同的行为描述符，包括两种适用于广泛任务的通用描述符、一种适合感兴趣领域的手工编码描述符，以及一种基于环境多样性的新型描述符，我们称之为质量-环境-多样性（QED）。结果表明，上述无模型故障恢复方法在群体机器人的背景下是可行的，将故障影响降低了 2-3 倍。此外，使用 QED 获得的环境多样性产生了独特的行为多样性概况，使其能够从高影响故障中恢复。本研究比较了不同的行为描述符，包括两种适用于广泛任务的通用描述符、一种适合感兴趣领域的手工编码描述符，以及一种基于环境多样性的新型描述符，我们称之为质量-环境-多样性（QED）。结果表明，上述无模型故障恢复方法在群体机器人的背景下是可行的，将故障影响降低了 2-3 倍。此外，QED 获得的环境多样性产生了独特的行为多样性特征，使其能够从高影响故障中恢复。本研究比较了不同的行为描述符，包括两种适用于广泛任务的通用描述符、一种适合感兴趣领域的手工编码描述符，以及一种基于环境多样性的新型描述符，我们称之为质量-环境-多样性（QED）。结果表明，上述无模型故障恢复方法在群体机器人的背景下是可行的，将故障影响降低了 2-3 倍。此外，QED 获得的环境多样性产生了独特的行为多样性特征，使其能够从高影响故障中恢复。我们称之为质量-环境-多样性（QED）。结果表明，上述无模型故障恢复方法在群体机器人的背景下是可行的，将故障影响降低了 2-3 倍。此外，QED 获得的环境多样性产生了独特的行为多样性特征，使其能够从高影响故障中恢复。我们称之为质量-环境-多样性（QED）。结果表明，上述无模型故障恢复方法在群体机器人的背景下是可行的，将故障影响降低了 2-3 倍。此外，QED 获得的环境多样性产生了独特的行为多样性特征，使其能够从高影响故障中恢复。