在群体机器人技术中模拟生物启发的集群式聚合行为

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能
• 群集情报 群集情报 群集情报

背景情况:

• 聚合行为对于群体系统来实现复杂的任务至关重要.
• 现有的基于集群的聚合方法面临着可扩展性挑战.

研究的目的:

• 为移动机器人群群开发一种新的,可扩展和强大的集群式聚合控制器.
• 为了提高凝聚力和减少机器人群中的聚合时间.

主要方法:

• 实施了雷诺兹的群体规则,用于机器人协调.
• 利用K-means算法识别代理集群并增强可扩展性.
• 使用Webots软件与e-puck机器人模拟聚合行为.

主要成果:

• 开发的算法在各种环境和条件中展示了强度和可扩展性.
• 实验包括各种障碍物,代理失败,机器人数量和竞技场尺寸.
• 拟议的算法在凝聚力和聚合完成时间方面表现优于基线实施.

结论:

• K-means增强的集群算法为机器人群聚提供了一个强大的,可扩展的解决方案.
• 这种方法在群体协调效率和任务完成方面提供了显著的改进.