arXiv cs.AI· Kabeh Mohsenzadegan, Vahid Tavakkoli, Kyandoghere Kyamakya·· 13 小时前AI 评分18
EARS-Info：面向多机器人探索的信息感知事件驱动重分配方法
EARS-Info: Information-Aware Event-Driven Reallocation for Multi-Robot Exploration
AI 导读
EARS-Info 是事件驱动蚁群重分配搜索（EARS）的信息感知扩展，用于 OpenStreetMap 衍生网格上的多机器人探索，融合边际感知增益、可行重定位、返回感知路由、感知预留与缓存最短路径。
正文 · AI 翻译
摘要：我们提出 EARS-Info，这是事件驱动的蚂蚁重分配搜索（Event-Driven Ant Reallocation Search）的信息感知扩展，用于在 OpenStreetMap 衍生的栅格地图上进行多机器人探索。它结合了边际感知增益、可行重定位、返回感知路由、感知预留和缓存最短路径。在八张城市地图上比较 30 种实现的 168,000 个回合中，EARS-Info 在每个评估面板中都取得了最高的平均运行得分。在八台机器人和 3% 通信丢包的情况下，它相比 EARS-Safe 将得分提高了 5.43%，将加权发现率从 88.88% 提升至 98.46%，并将平均能耗降低了 2.62%。在全部八座城市中得分差异均为正值（$p=0.0078125$；描述性 95% 城市自助法区间 $[0.0159,0.0694]$），且在 5,600 个 EARS-Info 回合中未出现模拟事故。这些结果支持完整控制器；各单独组件的优势仍不确定。泛化性受限于重复使用的地理环境、单一训练重复、粗粒度地图以及经过调整的对比方法。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.38040 [cs.RO] |
| （或使用 arXiv:2610.38040v1 [cs.RO] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.38040 由 DataCite 颁发 arXiv DOI |
提交历史
来自：Vahid Tavakkoli [查看邮箱]
[v1]
2026年10月27日星期二 22:51:53 UTC（97 KB）
来源：arXiv cs.AI · arxiv.org