用于分布式操控系统软电感传感器阵列去中心化感知的神经细胞自动机

在分布式操控系统（DMS）中，去中心化是一个高度理想的特性，因为它通过分散计算负担和消除单点故障来提升鲁棒性并促进可扩展性。然而，当前的 DMS 通常采用集中式感知方法，例如单摄像头计算机视觉系统。这种集中化对系统可靠性构成风险，并成为系统规模的一个显著限制因素。在这项工作中，我们引入了一种使用神经细胞自动机（NCA）在分布式操控系统中进行去中心化感知的方法。通过在硬件实现中展示去中心化感知，我们提出了一种专为分布式感知设计的新型电感式传感器板，并评估了其通过局部交互和计算来估计全局物体属性（如几何中心）的能力。实验表明，基于 NCA 的感知网络能够以 0.24 倍传感器间距的精度准确估计物体位置。它们在传感器故障和噪声下保持弹性，并能无缝地跨不同网络规模进行扩展。这些发现强调了局部、去中心化计算在 DMS 中实现可扩展、容错和抗噪声的物体属性估计的潜力。