自组织机器人网络拓扑可恢复性预测：一种数据驱动的容错方法
机器人学
2023-11-01 v1 人工智能
机器学习
多智能体系统
摘要
自组织机器人网络中发生的故障可能致命地扰动其拓扑，导致网络子集断开连接。最优拓扑综合通常资源密集且耗时，难以针对大型自组织机器人网络实时进行。仅当任何故障发生后拓扑可恢复概率超过其不可恢复概率时，才应执行拓扑重计算。我们将此问题表述为二分类问题。随后，我们基于贝叶斯高斯混合模型开发了双路径数据驱动模型，通过故障前与故障后两条不同预测路径预测典型问题的解。由这两条路径预测集成所得结果清晰表明，相较于文献中现有最优策略，我们的模型在解决拓扑（不可）可恢复性预测问题上取得成功。
引用
@article{arxiv.2310.20024,
title = {Topology Recoverability Prediction for Ad-Hoc Robot Networks: A Data-Driven Fault-Tolerant Approach},
author = {Matin Macktoobian and Zhan Shu and Qing Zhao},
journal= {arXiv preprint arXiv:2310.20024},
year = {2023}
}