扩展此过滤框架以覆盖所有机器人，以便它们可以协作并改善彼此的定位。
在上面，构建一个路径规划框架，使它们可以以始终最大化其定位精度的方式进行导航，从而消除了位置丢失等问题。
为此，我一直在阅读有关多机器人状态估计和计划策略，并且遇到了信念空间计划：或不确定性下的计划。尽管数学上的直觉是有意义的，但我在如何在现实环境中实现这些技术方面遇到了问题，尤其是对于多个机器人。我有使用EKF，UKF等算法和基于采样的计划策略（如PRM / RRT）的经验，但是我在这两者之间的概率关联上遇到了麻烦。一直在研究研究论文，但是作为一个主要是程序员的人，我正在尝试找到更平易近人的方法，这将帮助我将（有点抽象的）数学与我的特定问题联系起来：例如，帮助我定义诸如“联合信念”使用我手头的数据。我最好的选择是什么，还有什么可以参考的更好的资源？
评论
在MAGIC 2010机器人挑战赛上，密歇根队使用了名为“ Sage，Soartech”的软件，该软件实现了多机器人映射。为了进行控制，此处使用了手动控制和自动化控制的组合。