摘要 - 空气编程(OTAP)是操作大型低功率无线部署(例如无线传感器或群机器人)时的重要功能。OTAP,以考虑到与网络的低功率无线性质相关的有限的通信带宽,不可靠性和较大的延迟,以及正在更新的微控制器的约束性质。本文介绍了一种针对机器人群的OTAP解决方案Robotap,可作为开源实现。Robotap设计为简约,OTAP模块和引导加载程序的闪光足迹分别低于1 kb / 4 kb。它被设计为快速:我们在不到2.3 s的时间内显示了18 kb图像的完整更新。最后,Robotap是安全的:我们在使用ARM CryptoCell-310硬件加速度,相同安全程序的软件实现或根本没有安全性的软件实现时,在NRF52840和NRF5340上进行了比较。索引术语 - otap,microcontroller,swarm,security,robotics
摘要 - 多种机器人系统在医学,环境监测等各种领域的多种影响都增加了。尽管有明显的优势,但群体的协调对人类运营商带来了重大挑战,尤其是关于有效控制机器人所需的认知负担。在这项研究中,我们提出了一种新的方法,可以使人类操作员有效控制多个机器人的运动。利用共享控制数据驱动的方法,我们使单个用户能够控制与群体的姿势和形状相关的9度自由度。我们的方法是通过在模拟的3D环境中进行的实验运动进行了评估的,该环境具有狭窄的圆柱路径,可以代表例如血管,工业管道。使用经验后的问卷评估了认知载荷的主观测量,并比较了系统的不同级别的自主权。结果表明,与传统的远程操作技术相比,操作员认知负载的大幅减少,伴随着任务绩效的提高,包括减少完成时间和与障碍的接触实例更少。这项研究强调了我们方法在增强人类机器人相互作用和提高多机器人系统中运行效率方面的效率。
自动设计是实现机器人群的一种吸引人的方法。在这种方法中,设计师指定了群体必须执行的任务,而优化算法搜索了控制软件,该控制软件使机器人能够执行给定的任务。传统上,自动设计的研究集中在单个设计标准指定的任务上,采用基于单目标优化算法的方法。在这项研究中,我们研究是否可以适应现有的方法来解决并发设计标准指定的任务。我们专注于双标准案例。我们用一群E-Puck机器人进行实验,必须执行两个任务的序列:序列中的每个任务都是独立的设计准则,自动方法在优化过程中必须处理。我们考虑通过加权总和,超音速或l 2 -norm聚集并发标准的模块化和神经进化方法。我们将它们的性能与一种原始自动模块化设计方法的Cansarina进行了比较。普通话将迭代的F-race作为优化算法整合,以在不汇总设计标准的情况下进行设计过程。通过物理机器人进行现实的模拟和演示的结果表明,最佳结果是通过模块化方法以及设计标准未汇总的。
摘要 —本文介绍了一种新颖的多智能体强化学习 (MARL) 框架,以使用无人机 (UAV) 群作为传感雷达来增强综合传感和通信 (ISAC) 网络。通过将无人机的定位和轨迹优化构建为部分可观测马尔可夫决策过程,我们开发了一种 MARL 方法,该方法利用集中训练和分散执行来最大化整体传感性能。具体来说,我们实施了一种分散的合作 MARL 策略,使无人机能够制定有效的通信协议,从而增强其环境意识和运营效率。此外,我们通过传输功率自适应技术增强了 MARL 解决方案,以减轻通信无人机之间的干扰并优化通信协议效率。此外,还结合了传输功率自适应技术来减轻干扰并优化学习到的通信协议效率。尽管复杂性增加,但我们的解决方案在各种场景中都表现出强大的性能和适应性,为未来的 ISAC 网络提供了可扩展且经济高效的增强功能。索引术语 — 多智能体强化学习 (MARL)、综合传感和通信 (ISAC)、无人机 (UAV)。
无人机已成为各个领域中必不可少的工具,从监视和环境监测到灾难响应和通信继电器。然而,它们在关键任务中日益增长的使用需要强大的措施来防止潜在威胁并确保行动的完整性。本研究为部署在监视任务中的一群无人机提供了一种新颖的安全架构。利用通过Delaunay三角剖分建立的可靠基础进行无人机之间的通信,这项工作引入了高级安全协议,以增强网络的保护和完整性。该体系结构采用网状网络托架连接六台无人机,每个无人机都配置为特定的监视任务,包括外围监测,区域扫描,热成像,交通观察,通信继电器和事件响应。网格网络范围可确保扩展覆盖范围,冗余,负载平衡和自我配置,从而显着提高可靠性和弹性。使用GNS3和EtterCap进行了安全验证,模拟了各种漏洞。经典无人机网络与拟议的安全网络之间的比较性能分析表明,针对潜在攻击的出色交通管理和鲁棒性。结果强调了Architecture在关键监视环境中对安全可靠操作的适用性。
机器人群是由许多简单的机器人组成的,这些机器人可以交流和劳动以完成复杂的任务。机器人控制器通常需要由专家通过编程代码在情况下指定。此过程很耗时,容易出错,并且无法考虑部署期间可能遇到的所有情况。另一方面,最近的大型语言模式(LLMS)已展示了推理和计划功能,引入了与互动和编程机器进行交互的新方法,并纳入了特定领域和常识性知识。因此,我们建议通过将LLM与机器人群集成并展示概念证明的潜力(展示)来应对上述挑战。为此,我们探索了两种方法。第一种方法是“间接集成”,其中LLM用于合成和验证机器人控制器。这种方法可能会减少开发时间和部署前的人为错误。此外,在部署期间,它可以用于现实的新机器人行为。第二种方法是“直接集成”,每个机器人在部署机器人协作和人类处理交互期间本地执行单独的LLM实例。这些本地LLM实例使每个机器人都能使用自然语言进行推理,计划和协作,就像我们的展示案例中所阐述的那样,机器人能够检测到各种异常,而没有有关这些异常性质的事先信息。为了进一步研究我们的主要概念贡献,我们为LLM2SWARM系统发布了软件和视频:https://github.com/pold87/llm2swarm。
人类出局(Hootl)/自主(AITL)自主机器人代理商(ARAS)正在我们社会中占用其必不可少的位置,以实现各种任务。由于前进的网络物理系统(CPSS)和AI技术,这种趋势有望成倍增加。各种复杂的任务范围(例如搜救(SAR),以及可以将多个自动无人驾驶飞机(A-UAVS)重重负载分配给ARA群或ARA可以在社交环境中随机遇到以执行预先确定的常见任务(例如,在地面自动驾驶汽车(AVS)的交叉路口避免碰撞。建立“联合认知”必须安全,最佳地完成操作。“联合认知”通过尊重预定义的规则执行共同分配/确定/共享任务时,是)获得环境的数字双胞胎(DTS)的智能(即其他代理商和环境动态的状态和状况意识(SSA)先前执行的组中所有代理人都执行了有关感兴趣区域(ROI),这些代理人的能力,这些迫切和即将到来的驱动的能力,ii)的智能分配和iii的特定范围,并在整体上贡献了稳定的稳定性,并在其迫在眉睫的过程中进行促成的整体效果,并且安全,最佳地实现最终协作群目标的方法。在这篇论文中,本演讲为建立远程ARA群的“联合认知”以支持群体表现的方法学框架。“共同认知”并不能优先考虑自我利益,而是放弃了短期个人奖励,以获得累积的较大的关节奖励(例如,不导致其他AV碰撞,而避免碰撞本身的同时造成碰撞本身),以促进多个目标(例如,所有Ara Ara swarms of the Awharm ewarms of exharm sharms swarms of the Asha ewarms swarms sepsions)的造成。ARA应以一种对社会负责的方式行事,并且可能需要以人为和机器智能结合人类和机器的智能来协调和远程触觉,以协调和远程注视以根据需要的人类机器人团队来完成任务。The proposed framework, which aims to increase trust in the self-determined behaviours of ARAs in meeting the joint swarm goals and expectations of societal stakeholders, has demonstrated the crucial phases of both understanding the behaviours of other agents and building “joint cognition” for remote ARA swarms to make them co-work effectively and efficiently in collaborative decision-making considering social dynamics, leading to socially responsible cyber-physical社会系统(CPSSS)。
摘要 - 该论文提出了一种为低功率大动力的机器人群设计的能源管理模型(EMM),除了传统的充电方法外,还从环境中收集能量。EMM旨在与调度体系结构合作,该架构可以协调整个动力的群体机器人(APSR)的任务。此模块可以帮助调度程序对机器人的储能和消耗更加灵活地控制。所提出的EMM的关键功能包括对能级的实时监控,低功率的可安排空闲模式,监视有效的能量收集机制,死电器机器人恢复以及提供机器人的硬重置能力。该模块为机器人提供了额外的低功率无线连接。与EMM合作,调度程序可以管理整个群体上的能源消耗,并防止单个机器人以空闲模式,死电池模式和故障耗尽其能量储备。为了验证EMM的有效性,实验在模拟和现实世界环境中都进行了进行,使任务耐力,任务完成率和整体群体绩效的改善进行了改善。结果表明,与基线方法相比,EMM有效地延长了任务持续时间并提高了操作效率。索引术语 - 能源管理模块,机器人群,能量感知调度,机器人恢复
摘要 - 最近自主和半自治的无人机(UAV)群开始从各种民用应用领域获得大量的研究兴趣和需求。但是,为了成功执行任务,无人机群需要全球导航卫星系统(GNSS)信号,特别是全球定位系统(GPS)信号进行导航。不幸的是,民用GPS信号未经加密且未进行,这有助于执行GPS欺骗攻击。在这些攻击中,对手模仿了真实的GPS信号,并将其广播到目标无人机,以更改其路线,迫使其降落或崩溃。在这项研究中,我们提出了一种GPS欺骗检测机制,能够检测单发射器和多发送器GPS欺骗攻击,以防止上述结果。我们的检测机制是基于比较从GPS坐标计算出的每两个群体之间的距离与从相同群体之间的脉冲无线电超宽带获得的距离所获得的距离。如果距离的差异大于所选阈值,则检测到GPS欺骗攻击。