研究动机：该论文旨在解决多机器人网络在感知约束下的定位与刚性保持控制问题。研究背景是：现有基于角度(angle-based)的定位方法通常依赖于无向感知图或全局坐标系下的测量，而实际应用中机器人常使用自身坐标系(body-frame)进行有向感知，这给分布式定位和刚性维护带来了挑战。
核心方法：
- 建立了有向感知图和自身坐标系下角度刚性(angle rigidity)与方位刚性(bearing rigidity)的等价关系理论
- 提出了分布式角度定位方案，仅需切换拓扑中保持无穷小角度刚性(infinitesimal angle rigidity)
- 引入角度刚性特征值(angle rigidity eigenvalue)作为刚性程度度量指标
- 设计了去中心化梯度控制器，能在执行任务指令的同时维持足够的角度刚性
核心创新点：
- 首次证明了在2D和3D空间中，考虑有向感知图和自身坐标系方位测量时，角度刚性与方位刚性的等价性
- 提出了仅依赖角度测量的分布式定位方案，适用于切换拓扑且仅需无穷小角度刚性条件
- 创新性地将角度刚性特征值作为刚性量化指标，并设计了能同时执行任务和维护刚性的控制器
- 与现有工作相比，该方法放宽了对感知图无向性和全局坐标系测量的要求，更符合实际机器人应用场景
总体贡献：
- 理论贡献：建立了有向感知下角度与方位刚性的统一理论框架，扩展了刚性理论的应用范围
- 方法贡献：提出了实用的分布式角度定位和刚性维护控制方案，增强了多机器人系统的自主性和适应性
- 实践贡献：通过仿真验证了方案的有效性，为实际多机器人系统的部署提供了理论基础和技术支持