研究人员开发了NeST-Bayes，一个新颖的神经符号框架，旨在推断多机器人系统中的信任度，而无需依赖预先存在的信任关系或外部身份信号。该系统通过分析机器人之间观察的一致性来联合评估个体机器人及其报告的假设的可信度。通过对Beta分布的信任信念进行贝叶斯更新，NeST-Bayes保持了时间上一致的信任估计，在各种基准设置下，即使在对抗性攻击下，也能在精确度和召回率方面表现出色。 AI
影响 该框架可以提高多机器人系统在复杂、潜在对抗性环境中的可靠性和协调性。
排序理由 该集群包含一篇详细介绍多机器人系统新框架的研究论文。
在 Hugging Face Daily Papers 阅读 →
- Bayes' theorem
- Beta-distributed oscillator model as an empirical extension to the Lorentzian oscillator model: physical interpretation of the ${\beta \_{{\rm do}}}$β_do model parameters
- Multi-robot systems
- NeST-Bayes
- Webots
- arXiv
- Hugging Face
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
