本文提出了一种基于高斯信念传播的分布式技术 GBP Planning，用于解决多机器人规划问题，该方法可以在复杂的场景中实现高效的协作规划并保持短、快速、平滑的轨迹。

Mar, 2022

研究采用算法为单个机器人提供自我定位控制，从而提高机器人群体的集体智能和自治。

Feb, 2023

本文介绍了一种可扩展的贝叶斯技术，用于在动态环境中从多个平台进行去中心化状态估计。通过严格分散的方法并通过互动通信协议促进信息流，实现仅在附近平台之间交换信息和在分布式监视方案的上下文下进行评估，其结果展示了对大型车队的前所未有的可扩展能力。

Oct, 2012

本文提出了分布式算法和对象模型的应用来协调机器人协作建图，以减少通信成本和提高效率。

Feb, 2017

本研究主要探讨了如何应用基于观察专家演示的控制器学习算法，训练出端到端的神经网络，用于解决协作多智能体系统中的分布式控制问题，实验结果表明，使用通信策略可以有效提高分布式模型的性能。

Feb, 2023

本文提出了一种高斯过程定位算法，利用机器人探索时获取的空间相关的测量数据，通过在线稀疏高斯过程有效地学习观测模型，实现定位且不因数据规模增大而降低效率。仿真实验和实际机器人实验表明，该算法胜过已有算法。

Apr, 2014

使用信念传播技术在传感器网络中推理环境数据，并通过通信交流信念而非原始传感器值，具有紧凑的实现和分布式特性，可在异步环境和节点故障情况下跟踪环境变化，并在传感器网络等实时数据处理应用中发挥重要作用。

Oct, 2012

机器学习中分布式部署的推理算法，利用异步通信提高计算速度并降低通信开销，通过马尔可夫链蒙特卡洛采样实现局部计算，理论上量化收敛速度，通过模拟和真实数据集的实验验证算法的有效性。

Nov, 2023

使用基于贝叶斯优化的高斯过程回归方法，结合无人机采集的信号强度测量，可以在灾后搜救等应用场景下，仅仅花费少量时间和测量准确地定位 WiFi 设备的位置。

Oct, 2015

本篇论文提出了一种基于协调的认知预测和规划框架来解决多机器人系统中的非通信性渲染问题，同时实现了探索、覆盖、任务发现和完成以及汇合应用等任务，该框架通过基于前沿的方法在人工物理学框架内实现置信状态的传播和环境覆盖，经过模拟和实验验证了其有效性。

Feb, 2023