基于图神经网络的多机器人协同感知

与单个机器人相比，多机器人系统（如空中机器人集群）通过实现智能体间的协作，自然适用于在若干任务中提供额外的灵活性、弹性和鲁棒性。为增强自主机器人决策过程与态势感知，多机器人系统必须协调其感知能力，以高效且有意义的方方式在智能体间收集、共享和融合环境信息，从而准确获取情境适宜信息或获得对传感器噪声或故障的弹性。在本文中，我们提出了一种通用图神经网络（GNN），主要目标是在多机器人感知任务中提高单个机器人的推理感知精度以及对传感器故障和干扰的弹性。我们展示了所提框架能够解决多视角视觉感知问题，如单目深度估计和语义分割。使用照片级真实数据以及从多个空中机器人视角收集的真实数据进行的若干实验，显示了所提方法在包括被重噪声及相机遮挡或故障损坏的图像等挑战性推理条件下的有效性。