几十年来，机器人研究人员一直在追求多机器人系统的各种任务，从合作操控到搜索和救援。这些任务是经典机器人任务的多机器人扩展，通常在速度或效率等维度上进行优化。随着机器人从商业和研究环境过渡到日常环境，社交任务目标如参与感或娱乐性变得越来越重要。这项工作提出了一种设计性贡献——构建一种多机器人任务，其主要目标是令人着迷和感兴趣。在此任务中，目标是让人类被吸引，跟随并参与到动态、富有表现力的机器人群体中。为此，研究团队创建了机器人运动和互动模式（如手势和声音）的算法。贡献如下：（1）一种新颖的涉及人类和机器人代理的群体导航算法，（2）实时人机群集互动的手势响应算法，（3）用于修改群集行为的权重模式特征化系统，以及（4）在动态、适应性、学习系统中编码编舞者偏好的方法。进行了实验以了解个体人类在三种条件下与群体互动时的行为：人类编舞者选择的权重模式、学习模型或子集列表。实验结果表明，经验的感知不受权重模式选择的影响。本工作阐明了参与感等不同任务目标如何在多机器人系统设计和执行中体现，并拓宽了多机器人任务的领域。
Cuan等人（Thu，）研究了这个问题。