A Novel Feature Learning-based Bio-inspired Neural Network for Real-time Collision-free Rescue of Multi-Robot Systems

要約

自然災害や都市事故により、より安全、より速く、より効率的な救助経路を提供する救助ロボットの需要が高まっています。
この論文では、従来のアプローチでは通常、突然の環境変化に対するリアルタイムの応答に満足のいく解決策を提供できないため、複雑で動的な環境でヒューリスティックな救助パスを迅速に生成するために、特徴学習ベースのバイオインスピレーション ニューラル ネットワーク (FLBBINN) を提案します。
。
神経力学モデルは、環境情報を使用して経路計画戦略を改善できる特徴学習方法に組み込まれています。
タスクの割り当てと衝突のない救助軌道は、ロボットのポーズと神経活動の動的な風景を通じて生成されます。
デュアル チャネル スケール フィルター、ニューラル アクティビティ チャネル、および二次距離融合を使用して、特徴ニューロンを抽出およびフィルター処理します。
特徴学習プロセスの完了後、神経力学ベースの特徴マトリックスが確立され、パラメーター駆動のトポロジー適応性を備えた新しいヒューリスティック レスキュー パスが迅速に生成されます。
提案された FLBBINN は、ニューラル ネットワーク ベースのアプローチの計算の複雑さを軽減し、特徴学習方法が環境の変化に対するリアルタイムの応答を実現できるようにすることを目的としています。
提案された FLBBINN のパフォーマンスを評価するために、いくつかのシミュレーションと実験が行われました。
結果は、提案された FLBBINN が救助活動の速度、効率、最適性を大幅に向上させることを示しています。

要約(オリジナル)

Natural disasters and urban accidents drive the demand for rescue robots to provide safer, faster, and more efficient rescue trajectories. In this paper, a feature learning-based bio-inspired neural network (FLBBINN) is proposed to quickly generate a heuristic rescue path in complex and dynamic environments, as traditional approaches usually cannot provide a satisfactory solution to real-time responses to sudden environmental changes. The neurodynamic model is incorporated into the feature learning method that can use environmental information to improve path planning strategies. Task assignment and collision-free rescue trajectory are generated through robot poses and the dynamic landscape of neural activity. A dual-channel scale filter, a neural activity channel, and a secondary distance fusion are employed to extract and filter feature neurons. After completion of the feature learning process, a neurodynamics-based feature matrix is established to quickly generate the new heuristic rescue paths with parameter-driven topological adaptability. The proposed FLBBINN aims to reduce the computational complexity of the neural network-based approach and enable the feature learning method to achieve real-time responses to environmental changes. Several simulations and experiments have been conducted to evaluate the performance of the proposed FLBBINN. The results show that the proposed FLBBINN would significantly improve the speed, efficiency, and optimality for rescue operations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google