基于神经动力学模型的子组行为群体机器人群体的智能鱼类灵感食
1School of Engineering, University of Guelph, 50 Stone Road East, Guelph, ON N1G2W1, Canada.
Biomimetics (Basel, Switzerland)
|January 22, 2024
概括
这项研究引入了一种新的群体机器人方法,灵感来自鱼类的食. 通过使用生物灵感的神经网络和自我组织地图,机器人实现了自适应导航和合作,以提高集体效率.
科学领域:
- 机器人和人工智能 机器人和人工智能
- 计算神经科学是一种神经科学.
- 群集情报 群集情报 群集情报
背景情况:
- 传统的群体机器人往往缺乏适应性和强大的集体行为.
- 模仿自然系统为改善群体表现提供了一个有希望的途径.
- 鱼群表现出复杂的食策略,能够适应动态环境.
研究的目的:
- 开发一种由鱼类寻行为启发的智能小群机器人方法.
- 为了提高群体机器人的自主能力和集体效率.
- 为了实现自适应导航和机器人群中的动态子组形成.
主要方法:
- 使用生物启发的神经网络 (BINN) 进行机器人控制.
- 为集体行为实施自组织地图 (SOM) 算法.
- 模拟群体机器人以模拟类似鱼类的无碰撞导航和食模式.
主要成果:
- 拟议的方法成功模拟了类似鱼类的行为,包括适应性运动和子组形成.
- 模拟结果显示,在各种场景下,合作,效率和适应性得到改善.
- 神经动力学模型的集成增强了个人机器人的自主性和整体群体性能.
结论:
- 灵感来自鱼类的群体机器人方法为集体智能提供了显著的进步.
- BINN和SOM的整合为自适应机器人群提供了一个强大的框架.
- 这项研究强调了生物灵感的潜力,用于开发更复杂,更有效的群体系统.
