Intelligent Collective Escape of Swarm Robots Based on a Novel Fish-inspired Self-adaptive Approach with Neurodynamic Models

要約

魚群は、単純な個体相互作用から集団移動、捕食者からのダイナミックな逃走まで、効率の高い集団行動を示します。
魚の群れ行動は通常、群れロボットの制御アーキテクチャを設計するための良いインスピレーションになります。
この論文では、群れロボットの集団逃避のための、魚にヒントを得た新しい自己適応アプローチを提案します。
さらに、引力と斥力の組み合わせによって衝突のない脱出ロボットの軌道を生成するために、バイオインスパイアード ニューラル ネットワーク (BINN) が導入されています。
さらに、動的環境に対処するために、変化する環境における群ロボットの自己適応性能を向上させる神経力学に基づく自己適応メカニズムが提案されています。
魚の逃走行動と同様に、シミュレーションと実験の結果では、群れロボットが集団で脅威から逃げることができることが示されています。
いくつかの比較研究により、提案されたアプローチにより、システム パフォーマンスの有効性と効率、および複雑な環境における柔軟性と堅牢性が大幅に向上できることが実証されました。

要約(オリジナル)

Fish schools present high-efficiency group behaviors through simple individual interactions to collective migration and dynamic escape from the predator. The school behavior of fish is usually a good inspiration to design control architecture for swarm robots. In this paper, a novel fish-inspired self-adaptive approach is proposed for collective escape for the swarm robots. In addition, a bio-inspired neural network (BINN) is introduced to generate collision-free escape robot trajectories through the combination of attractive and repulsive forces. Furthermore, to cope with dynamic environments, a neurodynamics-based self-adaptive mechanism is proposed to improve the self-adaptive performance of the swarm robots in the changing environment. Similar to fish escape maneuvers, simulation and experimental results show that the swarm robots are capable of collectively leaving away from the threats. Several comparison studies demonstrated that the proposed approach can significantly improve the effectiveness and efficiency of system performance, and the flexibility and robustness in complex environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google