基于数据驱动的星体机器人集群收敛性预测
机器人学
2020-06-01 v1 天体物理仪器与方法
摘要
星体机器人(astrobots)是一种机器人装置,其集群被用于天体物理研究中以生成可观测宇宙的地图。这些集群必须针对各种期望观测进行协调。此类协调极为复杂,以至于分布式集群控制器并非总能协调足够多的星体机器人以满足观测过程中期望获取的最小数据量。因此,在执行协调之前,有必要进行收敛性验证以检查该协调的适用性。然而,目前尚无用于此目的的形式化验证方法。在本文中,我们转而使用机器学习来预测星体机器人集群的收敛性。具体而言,我们提出了一种基于加权 -NN 的算法,该算法需要集群的初始状态及其观测目标来预测其收敛性。我们的算法基于从期望集群先前协调中获得的协调数据进行预测学习。该方法首先基于距离度量为每个星体机器人生成收敛概率。随后,这些概率被转化为完全或不全的类别结果。该方法被应用于两个典型的集群,分别包含 116 和 487 个星体机器人。结果表明,成功协调的正确预测可占总体预测的 80%。因此,这些结果证明了我们预测性收敛分析策略的高效准确性。
引用
@article{arxiv.2005.14703,
title = {Data-Driven Convergence Prediction of Astrobots Swarms},
author = {Matin Macktoobian and Francesco Basciani and Denis Gillet and Jean-Paul Kneib},
journal= {arXiv preprint arXiv:2005.14703},
year = {2020}
}