在动荡和稀疏的环境中寻找气味源的新型分布式混合认知策略
Yingmiao Jia1, Shurui Fan1,2, Weijia Cui3
1School of Electronic and Information Engineering, Hebei University of Technology, Tianjin 300401, China.
Entropy (Basel, Switzerland)
|August 28, 2025
概括
合作重力-雷尼信息出租车 (CGRInfotaxis) 在具有挑战性的环境中增强机器人气味源定位. 这种多代理系统实现了近乎完美的成功率,改善了危险监测和灾难应对能力.
科学领域:
- 机器人技术
- 人工智能
- 环境科学
背景情况:
- 精确的气味源定位对于危险环境中的机器人应用至关重要.
- 动荡和稀疏的条件对现有的本地化方法构成重大挑战.
研究的目的:
- 开发一个先进的多剂框架,以实现强大而高效的气味来源定位.
- 提高机器人系统在危险化学物质监测和灾难应对方面的性能.
主要方法:
- 合作重力-雷尼信息出租车 (CGRInfotaxis):一个集多代理合作和混合认知策略的分布式框架.
- 在稀疏条件下进行概率探索的引力潜力场和雷尼分歧.
- 用于后期概率估计的粒子过和实时合作的分布式交互优化机制.
主要成果:
- CGRInfotaxis在各种场景 (固定/随机来源,不同的代理) 中实现了接近100%的成功率.
- 与现有方法相比,该方法表现出更高的稳定性和适应性.
- 增加代理人数量提高了搜索效率,
结论:
- 在动荡,稀疏的环境中显著提升多剂气味源定位.
- 该框架对于危险监测和应对灾害的实际应用具有实用性.
- 合作的混合战略为复杂的环境传感任务提供了可靠的解决方案.
