基于生物机器人网络的几何学习与拓扑推断：收敛性分析
机器人学
2016-07-04 v1 代数拓扑
机器学习
摘要
在本研究中，我们提出并分析了一个用于未知环境映射的几何与拓扑估计框架。我们考虑模拟半机械昆虫（称为生物机器人）运动行为的智能体，并利用它们之间无坐标的局部交互，在最小的感知与定位约束下推断环境的几何与拓扑信息。局部交互被用来创建一个称为相遇图的图形表示。在智能体的相遇图上估计一个度量，以便使用流形学习技术构建几何点云。拓扑数据分析（TDA），特别是持续同调，被用来提取空间的拓扑特征，并提出了一种分类方法以推断感兴趣的鲁棒特征（例如障碍物的存在）。我们考察了所提度量在收敛到域底层流形中测地距离方面的渐近行为，并提供了拓扑持续性的稳定性分析结果。通过数值仿真和实验，对所提出的框架及其收敛性和稳定性分析进行了验证。
引用
@article{arxiv.1607.00051,
title = {Geometric Learning and Topological Inference with Biobotic Networks: Convergence Analysis},
author = {Alireza Dirafzoon and Alper Bozkurt and Edgar Lobaton},
journal= {arXiv preprint arXiv:1607.00051},
year = {2016}
}