[论文笔记]二“Resouce Allocation and Service Provisioning in Multi-Agent Robotics: A Comprehensive Survey“

PS：Multi-Agent Cloud Robotics以下简称MACR。
一、摘要
机器人应用的广泛使用能提高操作自动化以及CPS系统的性能(包括工业4.0、智慧农业、智慧医疗、灾难管理)。但是，单个机器人的算力和存储能力有限，无法处理这些延迟敏感、数据密集型以及计算密集型的任务，因此多个机器人协同工作构建一个互补的环境同时利用边云资源处理大规模的应用可以解决以上问题。但随之而来的是，机器人的能耗率以及应用的执行成本的不同使得实现最优的资源分配方案成为一大困难。就上述问题，该篇论文在多智能体机器人环境下进行资源分配和服务提供相关论文进行充分研究，分类论述现有的资源分配方案、服务提供(资源池、计算卸载、任务调度)有哪些以及差异在哪，并提出自己认为最佳的框架以及未来研究的热点。
二、引言
1、在CPSs中，最基本的要素就是机器人，是一个自治体，可以感知环境，做出智能决策并引发物理行为。单个智能体的计算能力是有限的，多个智能体构成协同的工作环境实现共同的目标。不同的机器人异构的能量容量难以保持持续的服务以及存储大量的数据，于是借助云与边端的资源，对机器人系统进行扩展。
2、因为云端与机器人之间的隔着多跳的距离，带来的传输延迟更大，边端离机器人更近，传输延迟更低、安全性更高，但计算资源有限。因此，我们将计算密集型的任务(比如天气预测)放到云端来执行，对于延迟敏感型(比如外科手术)的任务放置边端来完成。

3、MACR与相关范例MEC(移动边缘计算)、MCC(移动云计算)的对比。