XiaoMi-AI文件搜索系统
World File Search SystemSwarms
大动力机器人群的低功率能源管理模块
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
通过增强学习探索异质无人机群的力量
- 眼机擅长看到和监督。他们可以飞行或粘在天花板上，使他们能够快速探索该区域并找到目标或有趣的物体。- 手机旨在拾起并移动位于墙壁，架子或桌子上的东西。他们可以使用绳索连接到天花板，从而爬上墙壁和障碍物。- 脚步机器人是带轮机器人，它们用来与其他脚步机器，携带手机或运输物体相连。本文还提到，脾脏的项目将移动群机器人技术的元素与HU manoid Robotics相结合，并且每种机器人类型的专业化是实现人形群的关键部分。此外，该论文说，它将在以下各节中介绍这些机器人的硬件功能，并提及模拟环境的开发，以使其更易于测试和原型机器人行为。
在协作决策和
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）。
执法清理行动中人机与无人机和无人机群的互动
执法清理行动中人机与无人机和无人机群的交互 Richard T. Stone 1、Thomas M. Schnieders 1、Kevin A. Push 1、Stephen Terry 2、Mary Truong 3、Inshira Seshie 4 和 Kathryn Socha 1 1 爱荷华州立大学 2 宾夕法尼亚州立大学 3 西北大学 4 马里兰大学巴尔的摩分校 警察通常必须单独进行清理行动，这一程序涉及调查建筑物中的威胁并做出适当反应。无人机群和警察之间的合作有可能在这些高压力行动中提高警察和平民的安全性，并降低敌对人员伤害的风险。这项由两部分组成的研究探讨了使用单个无人机或无人机群进行执法建筑清理行动过程中的信任、态势感知、心理需求、性能和人机交互等方面。结果表明，单架无人机的使用可以增加操作时间，但清理的准确性和安全性会得到提高。单架无人机的使用提高了态势感知能力，减少了未击中目标的数量，并获得了中等程度的信任。对于无人机群，结果表明，与单架无人机相比，群数据馈送的心理工作量存在显著差异，但发现目标的准确性没有显著差异。引言美国联邦航空管理局将无人机定义为无人驾驶飞机系统 (UAS) (FAA，2018)。最早的实际用途
针对可再生能源的无人机群可持续无线服务
摘要 — 无人驾驶飞行器 (UAV) 集群通常用于离网场景，例如灾难发生、战争肆虐或农村地区，在这些地方，无人机无法接入电网，只能依靠可再生能源。考虑到主电池由两种可再生能源（风能和太阳能）供电，我们根据财务预算、环境特征和季节变化来扩展此类系统。有趣的是，能源来源与无人机的能量消耗相关，因为强风会导致无人机悬停变得越来越耗能。目标是最大限度地提高特定位置的覆盖成本效率，这是一个组合优化问题，用于在非凸标准下确定多元能源发电系统的尺寸。我们设计了一种定制算法，通过抽样降低处理复杂度并减少解决方案空间。评估是使用供应商提供的价格驱动的风能、太阳能和单位面积交通负荷的浓缩真实数据进行的。该项目在四个风力或太阳能强度不同的地点进行了测试。风力较小、太阳辐射强的地点效果最好，而风力强、太阳辐射低的地点则需要更高的资本支出 (CAPEX) 分配。
强化学习用于增强无人机群双基地 ISAC 系统中的感知估计
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)。
模拟激光武器系统决策支持，利用机器学习对抗无人机群
本论文展示了机器学习的一种应用，它为在复杂战术情况下操作激光武器系统的战士提供自动决策支持。该论文使用 NPS 建模虚拟环境与仿真 (MOVES) 研究所的 Swarm Commander 建模和仿真软件环境来开发模拟数据集，模拟涉及舰载激光武器系统防御无人机群威胁的战争游戏场景。模拟数据集用于训练机器学习算法，以预测复杂战场中异构无人机群的最佳交战策略。评估了多种机器学习技术，并选择分类树技术作为首选方法。最终算法在根据无人机威胁类型、数量和激光武器系统攻击策略正确预测交战结果方面总体准确率为 96%。研究结果表明：（1）建模和仿真对于支持战术机器学习应用开发的实用性；（2）机器学习对支持未来战术行动的潜力；（3）机器学习和自动化总体上可以减轻未来作战人员在复杂威胁环境中做出关键决策时的认知负荷。
通过数据驱动的共享控制方法降低机器人群的认知负载
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。
在并发设计标准下的机器人群的自动设计：基于迭代的F-Race
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。
Executive Summary Report (ESR) - 16U4SBSP
Swarms of CubeSats for kW-scale Space-Based Solar Power (16U4SBSP) Executive Summary Report (ESR) Study Open Space Innovation Platform (OSIP) campaign, “Innovative Mission Concepts Enabled by Swarms of CubeSats” Affiliation(s): Sirin Orbital Systems AG (Prime, CH), Delft University of Technology (Sub 1, NL), University of Strathclyde (Sub 2, UK) Activity summary: The “16U4SBSP” mission concept is a fundamental technology demonstration step for the realization of kW-/MW-/GW-scale Space-Based Solar Power (SBSP) based on flight formation, a distributed or aggregated swarm of small satellites contrary to conventional concepts of monolithic giant SBSP satellites. In this mission, a swarm of 16U CubeSats collaboratively supply wireless power via Radio- Frequency waves to end-users in different locations on the ground, for instance to provide backup power for emergency situations, and also for space-to-space commercial use-cases.