PulseAugur
中
实时 18:40:51
English(EN) Improving Human-Robot Teamwork in Urban Search and Rescue Through Episodic Memory of Prior Collaboration

机器人从过去的团队合作中学习以提高城市救援成功率 · arXiv 研究

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新的研究论文探讨了机器人如何通过利用过去协作的事件记忆来改善城市搜救（USAR）场景中的团队合作。通过将历史协作模式表示为知识图谱并采用图表示学习，机器人可以识别和重用有效的策略。这种方法在 MATRX USAR 环境中进行了测试，在 20 名参与者中，救援成功率从 25.7% 提高到 41.3%，任务完成时间平均缩短了 283 秒。 AI

影响 增强了机器人在关键场景中的适应性，有可能提高复杂、现实世界任务的效率和成功率。

排序理由 研究论文，详细介绍了使用事件记忆改善人机协作的新颖方法。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

机器人从过去的团队合作中学习以提高城市救援成功率 · arXiv 研究

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Taewoon Kim, Emma van Zoelen, Mark Neerincx ·

    通过先前协作的片段记忆提升城市搜救中的人机协作

    arXiv:2606.18836v1 Announce Type: cross Abstract: Effective human-robot teamwork requires robots to adapt to partners, situations, and task dynamics from the start of an interaction. In the MATRX Urban Search and Rescue (USAR) environment, people can externalize collaboration pat…

  2. arXiv cs.AI TIER_1 English(EN) · Mark Neerincx ·

    通过先前的协作的片段记忆来改善城市搜救中的人机协作

    Effective human-robot teamwork requires robots to adapt to partners, situations, and task dynamics from the start of an interaction. In the MATRX Urban Search and Rescue (USAR) environment, people can externalize collaboration patterns (CPs) they discover during teamwork through …

相关实体

相关话题