相关实验视频
Updated: Jan 12, 2026
08:02
Robotic Sensing and Stimuli Provision for Guided Plant Growth
Published on: July 1, 2019
8.5K
分布式多机器人积极收集非统一的农业和林业信息
Jun Chen1,2,3, Mingjia Chen3, Jun Wang1,2
1Wenzhou Vocational College of Science and Technology, Wenzhou, China.
Frontiers in plant science
|November 7, 2025
概括
本研究介绍了一种用于农业多机器人系统的新分布式伯努利·普森采样算法. 它通过改善协调和任务分配来提高信息收集效率,特别是在集群环境中.
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
- 农业技术 农业技术
背景情况:
- 积极的信息收集对于农业中的多机器人系统至关重要 (例如精密种植,现场检查).
- 传统的分布式策略面临着信息不均聚类的挑战,导致覆盖效率低下和检测缓慢.
研究的目的:
- 解决农业多机器人信息收集传统分布式策略的局限性.
- 开发一种新的分布式算法,用于在农业机器人技术中高效地进行勘探,开发和协调.
主要方法:
- 将信息收集问题重新定义为一个多武装强盗 (MAB) 问题.
- 提出了一种新的分布式伯努利·普森采样算法,使机器人之间能够进行概率信息共享.
- 结合了该算法与劳埃德算法进行动态目标跟踪,并引入了目标交换策略来分配任务.
主要成果:
- 与基线方法相比,拟议的方法显著提高了搜索速度和目标覆盖率.
- 在集群目标分布的场景中表现出卓越的性能.
- 使机器人能够做出明智的勘探和开采决策,并加强了全球协调,而无需集中控制.
结论:
- 分布的伯努利·普森采样算法为农业多机器人系统的信息收集提供了更有效和协调的方法.
- 该方法对需要适应复杂和集群环境的应用特别有希望.
- 改进的任务分配和动态目标跟踪有助于整体系统性能.
