Увійти
ідея - ロボット工学 マルチエージェントシステム
複数ロボットによる危険領域を考慮したターゲット追跡
複数のロボットが、センサ障害や通信障害の危険領域を回避しながら、ターゲットの位置を効率的に追跡する。
複数ロボットの分散型差分メモリ付き地図作成とナビゲーション(D2M2N)
本研究では、過去の観測を活用して複雑な環境でも効果的にナビゲーションできる分散型差分メモリ付きマルチロボットアーキテクチャ(D2M2N)を提案する。D2M2Nは圧縮された環境表現を維持し、Value Iteration Networkを用いて最適な行動を選択する。
目標割り当てと経路探索の統合的な解決法 - ITA-ECBS: 目標割り当てと経路探索の組み合わせ問題に対する有界劣最適アルゴリズム
ITA-ECBS は、目標割り当てと経路探索の組み合わせ問題に対する新しい有界劣最適アルゴリズムである。ITA-ECBS は、ITA-CBSの最適アルゴリズムを有界劣最適化し、効率性と解の品質のバランスを取る。
動的ネットワークブリッジングのための分散型自律型群れ形成
分散型部分観測マルコフ決定過程(Dec-POMDP)を用いて、2つの移動ターゲット間の通信リンクを確立するために、UAVの群れが協調して行動する問題を定式化した。また、グラフ畳み込み強化学習(DGN)に基づくマルチエージェント強化学習(MARL)アプローチを提案し、中央集権的ヒューリスティックと比較して良好な結果を得た。
複数エージェントによるチームアクセス監視: 対象情報共有が有効な環境
障害物に満ちた環境において、複数の非接続対象領域のアクセスを効率的に監視するには、個別の対象領域を監視するよりも、全体を統合的に監視する方が有効である。
多エージェントの明確性を考慮した動的カバレッジ制御 - ガウス過程を用いて
ガウス過程を用いた情報同化アルゴリズムを活用し、ロボットの位置が他の位置の情報の不確かさにどのように影響するかを定量化する。この関係性を利用して、2つの新しいカバレッジ制御アルゴリズムを提案する。
Продукти | Ресурси
© 2024 by Linnk AI