基于图神经网络的多机器人系统中 decentralized 感知用于预测工人动作
机器人学
2025-01-09 v1 人工智能
多智能体系统
摘要
在工业环境中，预测人类动作对于确保人类与机器人之间的安全和有效协作至关重要。本文引入了一个感知框架，使移动机器人能够以 decentralized 方式理解和共享关于人类动作的信息。该框架首先允许每个机器人构建表示其周围环境的空间图，然后与其他机器人共享。将所共享的空间数据与时间信息结合，用于跟踪人类行为随时间的变化。采用类似鸟群的决策-making 过程，以确保所有机器人对人类动作的统一解释达成一致。结果表明，增加机器人数量并结合更长的时间序列可提高预测准确性。此外，consensus 机制增加了系统的韧性，使多机器人 setup 在动态工业环境中更可靠。
引用
@article{arxiv.2501.04193,
title = {GNN-based Decentralized Perception in Multirobot Systems for Predicting Worker Actions},
author = {Ali Imran and Giovanni Beltrame and David St-Onge},
journal= {arXiv preprint arXiv:2501.04193},
year = {2025}
}
备注
Submitted to RA-L