一种基于特征学习的生物启发神经网络用于多机器人系统实时无碰撞救援
机器人学
2024-03-14 v1 人工智能
系统与控制
系统与控制
摘要
自然灾害和城市事故推动了对救援机器人的需求，以提供更安全、更快速、更高效的救援轨迹。本文提出了一种基于特征学习的生物启发神经网络（FLBBINN），用于在复杂动态环境中快速生成启发式救援路径，因为传统方法通常无法对突发的环境变化提供令人满意的实时响应。该神经动力学模型被整合到特征学习方法中，能够利用环境信息改进路径规划策略。任务分配和无碰撞救援轨迹通过机器人位姿和神经活动的动态景观生成。采用双通道尺度滤波器、神经活动通道和二次距离融合来提取和筛选特征神经元。完成特征学习过程后，建立一个基于神经动力学的特征矩阵，以快速生成具有参数驱动拓扑适应性的新启发式救援路径。所提出的 FLBBINN 旨在降低基于神经网络方法的计算复杂度，并使特征学习方法能够实现对环境变化的实时响应。为评估所提出的 FLBBINN 的性能，进行了若干仿真和实验。结果表明，所提出的 FLBBINN 将显著提高救援操作的速度、效率和最优性。
引用
@article{arxiv.2403.08238,
title = {A Novel Feature Learning-based Bio-inspired Neural Network for Real-time Collision-free Rescue of Multi-Robot Systems},
author = {Junfei Li and Simon X. Yang},
journal= {arXiv preprint arXiv:2403.08238},
year = {2024}
}
备注
This paper is accepted to publish in IEEE Transactions on Industrial Electronics