研究人员开发了一种新颖的、由AI驱动的为机器人集群设计分布式控制器的方法，使其能够在复杂环境中自主进行视觉导航。该方法结合了多智能体强化学习和神经进化策略，特别是使用交叉熵方法和协方差矩阵自适应进化策略来优化预训练的导航策略。该系统依赖于一个紧凑的神经网络，仅使用单目摄像头图像，优先考虑计算和能源效率，以实现实际的机器人集群部署。仿真实验表明，交叉熵方法控制器比协方差矩阵自适应进化策略的探索覆盖率提高了36.20%，并且基于视觉的策略在能耗降低31.40%的同时，达到了传统传感器方法的水平。 AI
影响 这项研究可能为搜索救援或环境监测等任务带来更高效、更具成本效益的自主系统。
排序理由 该项目是一篇学术论文，详细介绍了一种新颖的、由AI驱动的机器人集群方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
- artificial neural network
- arXiv
- cross-entropy method
- deep reinforcement learning
- Evolutionary Hybrid Design
- Monocular camera localization in large scale indoor sparse LiDAR point cloud
- Multi-agent reinforcement learning
- neuro-evolutionary strategies
- swarm robotics
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
