Mar, 2024

利用谱群体机器人听取一个竞技场的形状

PDF
TL;DR通过构建具备全局认知能力的自动机群，基于扩散模型，利用 Laplacian 算子分析环境，识别并分类不同的场景形状，验证了光谱自动机群在复杂条件下的有效性，并为适应未知地形、分工与共识形成等挑战性任务提供了一种可行的解决方案。
swarm roboticsspectral swarm roboticslaplacian operatorarena shapesemergent consensus
发现论文，激发创造
  • 大规模无人机群的全球坐标系分散式构建

    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

  • 受环境影响的演化群体具有有限感知能力的集体行为出现

    本文研究了机器人群体控制器的设计，并探索了一种进化方法来缓解人类开发者对控制器细节和群体行为之间联系的困难。使用微分进化来发展神经网络控制器，实现机器人遵循环境特征的梯度并解决任务。研究表明，进化所得解决方案在控制较差的情况下具有最大的灵活性，而有一个群体规模的 “甜蜜点”，同时观察到群体的集体运动，展示了真正的新兴行为，这是进化过程中未被代表和选择的。

    Mar, 2022

  • 机器人集群的连续环境估计：相关网络与决策制定

    研究探索了利用分散的机器人系统在无限制的环境中实现环境特征平均值的共识，以及在平均值处理时网络拓扑结构、精度误差等因素的因果关系，并提出了一个有效的控制算法，并展示了其在机器人群实验中的效果和应用前景。

    Feb, 2023

  • 群体系统的引导深度强化学习

    本文研究了如何使用有限的传感能力控制一组合作智能体，使用了基于演员 - 评论家算法的深度强化学习以近似 Q 值函数和策略评估，评估了在寻找和维持距离和定位目标方面的性能。

    Sep, 2017

  • 图上的谱网络和局部连接网络

    本文探讨了如何将卷积神经网络推广到更广泛的定义域上。作者提出了两种构造方法，分别基于分层聚类和图拉普拉斯谱。结果表明，在低维图形上，可以实现独立于输入尺寸的卷积层学习，从而实现高效的深度网络结构。

    Dec, 2013

  • 使用 NEAT 算法学习机器人群体的新兴行为

    通过进化算法训练分布式机器人群体算法以产生新兴行为，并在不同模式的操纵下进行了模拟实验和评估。

    Sep, 2023

  • 适应不同觅食环境的人工学习智能体群行为发展

    应用投影模拟和强化学习方法研究了人工智能智能体在收集资源过程中不同集体运动模式和个体运动趋势

    Apr, 2020

  • 利用人类反馈在机器人群体中演化和发现新兴行为

    提出了一种利用自我监督学习和人机交互查询自适应用户偏好的相似度空间来探索并分类可能出现的集群行为的方法，并在两个机器人能力模型的模拟实验中测试，发现该方法比之前的工作更能发现出丰富的集群行为。

    Apr, 2023

  • 声音塑形：走向量子重力新工具

    本研究旨在通过谱几何学的方法，描述弯曲流形的谱，以便于识别量子化的指标，进而计算振动谱，以构造二维对象的形状。

    Dec, 2012

  • 学习通信感知协调的机器人群体模拟

    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