生物启发的神经网络用于实时逃避动态环境中的多机器人系统
1School of Engineering, University of Guelph, 50 Stone Road East, Guelph, ON N1G2W1, Canada.
Biomimetics (Basel, Switzerland)
|March 27, 2024
概括
这项研究介绍了一种生物灵感的神经网络 (BINN),用于追逐逃避游戏. 在复杂的,动态的环境中,BINN有效地产生了实时的逃避轨迹,阻碍物不断变化.
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.
背景情况:
- 传统的追逐-逃避模式与环境的突然变化作斗争.
- 神经动力学为复杂的动态系统提供了一个替代的视角.
研究的目的:
- 提出一个生物灵感的神经网络 (BINN) 接近追逐-逃避游戏.
- 在动态环境中实现实时逃避轨迹生成.
主要方法:
- 一个拓组织的生物灵感神经网络 (BINN),具有局部连接.
- 利用神经动力学变流模型来模拟神经活动.
- 从神经动力学的角度来看游戏,而不是作为差异性游戏.
主要成果:
- 在BINN有效地处理移动和突然变化的障碍.
- 通过模拟和实验,在复杂和动态环境中证明了有效性和效率.
结论:
- 拟议的BINN提供了一个强大的解决方案,用于在具有挑战性的环境中追逐逃避.
- 这种神经动力学方法为实时轨迹生成提供了一个新的方法.


