研究人员开发了DGF-Asym,一种新的去中心化集体估计方法,该方法根据过去的性能自适应地调整对等加权。这种方法扩展了DeGroot-Friedkin模型,允许机器人在不需要先验了解传感器噪声或显式故障模型的情况下达成共识,同时还支持异步通信。在噪声条件下和不同传感器故障下的模拟集体导航场景中进行的评估表明,与现有方法相比,DGF-Asym提供了更稳定的估计并更好地维持了决策标准,尽管它可能会导致更长的决策时间。 AI
影响 增强了在传感器不可靠环境中的机器人协调能力,可能提高自主系统的性能。
排序理由 学术论文,详细介绍了机器人集体估计的新算法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- CORE Recommender
- DagsHub
- DeGroot-Friedkin model
- DGF-Asym
- Gotit.pub
- Hugging Face
- Influence Flower
- ScienceCast
- Tanja Katharina Kaiser
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →