Centrala begrepp
本論文では、ロボットの位置情報に基づいて、アドホックロボットネットワークの最適トポロジーを予測するデータ駆動型手法を提案する。提案手法は、ネットワーク内の各ロボットに対応する複数の多クラス分類問題に分割することで、大規模なネットワークに対しても効率的に最適トポロジーを予測できる。
Sammanfattning
本論文では、アドホックロボットネットワークの最適トポロジーを予測するデータ駆動型手法を提案している。
まず、ロボットの位置情報と最適トポロジーの関係を表す基準を定義し、それに基づいて最適トポロジーを計算するアルゴリズムを開発した。このアルゴリズムは、ロボットの接続性、リンクの信頼性、ロボットの接続度分布などの複雑な最適性基準を考慮している。
次に、ロボットの位置情報とその最適トポロジーのラベルからなるデータセットを生成した。この際、ネットワーク内の各ロボットに対応する多クラス分類問題に分割することで、大規模なネットワークに対しても効率的に学習できるようにした。
提案手法は、ランダムフォレスト、k-nearest neighbors、深層ニューラルネットワークの3種類の分類器からなる階層的な学習モデル(OpTopNET)で構成される。各分類器の予測結果を統合するXGBoostベースのブレンダーにより、高精度な最適トポロジー予測が可能となっている。
シミュレーション結果から、提案手法は従来手法よりも高い予測精度を示すことが確認された。特に、各ロボットの最適トポロジークラスの予測精度と F1スコアが優れていることが分かった。
Statistik
ロボットネットワークには10台のロボットが含まれる。
ロボットの位置座標(x, y)は[0, 1]の範囲で一様乱数により生成される。
接続閾値δ=0.5、張力係数ϵ=0.1である。