ファジィロボットネットワークにおけるプロミネンス誘導リンク予測

科学分野:

• サイバーフィジカルシステム（CPS）、ロボット工学とインテリジェントオートメーション、ネットワークサイエンス

背景:

• サイバーフィジカルシステム（CPS）の複雑化は、信頼性の高い運用に堅牢な予測モデルを必要とします。既存のファジィリンク予測手法は、ロボットネットワーク内の不確実な相互作用を正確にモデル化する上で課題に直面しています。強度プロミネンス（SP）指数は、元々はソーシャルネットワーク向けでしたが、CPSアプリケーションへの適応が必要です。

研究 の 目的:

• ロボットおよびインテリジェントオートメーションシステムにおけるファジィ相互作用グラフの強度プロミネンス（SP）指数を再定式化すること。接続性とプロミネンスを考慮して、サイバーフィジカルシステム（CPS）におけるリンク確率の予測を強化すること。リンク予測のための従来のファジィ指数に対する修正されたSP指数のパフォーマンスを検証すること。

主な方法:

• ノードがロボットコンポーネントを表し、エッジが不確実な依存関係を示すファジィ相互作用グラフの強度プロミネンス（SP）指数の再定式化。共通の隣接ノードがない場合でも、接続強度とプロミネンスレベルを使用してリンク確率を評価。対称性、有界性、単調性などの特性の理論的実証。

主要な成果:

• 修正されたSP指数は、実世界のロボットデータセットおよびROSベースのロボットデータセットにおいて、従来のファジィ指数（CN、RSM、CAR）と比較して優れた予測精度を示しました。精度、AUC（曲線下面積）、およびAUP（適合率-再現率曲線下面積）の測定値が高くなりました。相互作用の失敗を早期に特定し、協力予測を改善することに成功しました。

結論:

• 適応されたSP指数は、サイバーフィジカルシステム（CPS）におけるファジィリンク予測のための新しい学際的なツールを提供します。このアプローチは、自律システムの耐障害設計と回復力のあるネットワーク構造の開発に役立ちます。リアルタイムのロボット協力を改善し、複雑なロボットネットワークの信頼性を向上させます。