基于亚先验在蚁群优化中进行人类-机器人协作的最小时间搜索
机器人学
2024-10-02 v1 人工智能
摘要
随着人工智能 (AI) 和人机交互 (HRI) 等领域的最新突破，人类-机器人协作 (HRC) 已成为一个极具前景的议题。这一新兴的增长使得设计能够管理人类偏好的多智能体算法的需求日益增加。本文提出了一种蚁群优化 (ACO) 元启发式方法的扩展，用于解决在人类和机器人共同执行物体搜索任务的情况下的最小时间搜索 (MTS) 问题。该模型由两个主要模块构成：第一个模块是一个卷积神经网络 (CNN)，用于提供关于物体可能出现位置的先验概率；第二个模块是亚先验最小时间搜索-蚁群优化算法 (SP-MTS-ACO)，它以先验概率和各智能体在不同亚先验中的搜索偏好为输入，为所有智能体生成搜索计划。该模型通过在平板电脑上通过 Vizanti 进行的实际实验测试了在共同搜索物体方面的效果。设计的界面允许与名为 IVO 的人形机器人之间的交流。获得的结果显示，在不牺牲效率的前提下，提升了用户对搜索的感知。
引用
@article{arxiv.2410.00517,
title = {Human-Robot Collaborative Minimum Time Search through Sub-priors in Ant Colony Optimization},
author = {Oscar Gil Viyuela and Alberto Sanfeliu},
journal= {arXiv preprint arXiv:2410.00517},
year = {2024}
}