arXiv cs.AI· Ruiyang Wang, Hao-Lun Hsu, Haocheng Meng, Songqiao Xie, Miroslav Pajic·· 3 天前AI 评分23
NeST-Bayes：多机器人系统中联合推断机器人与物体假设信任的神经符号框架
Who to Trust in Multi-Robot Systems: Joint Robot and Object Hypothesis Trust Inference via Neural-Symbolic Cross-Validation
AI 导读
NeST-Bayes 是一个神经符号框架，仅凭机器人间观测一致性即可联合推断机器人与物体假设的信任度，无需预设信任关系、声誉信息或侧信道身份信号。它通过自我中心关系图推理出瞬时信任证据分数，并用 Beta 分布信任信念的贝叶斯更新实现时序一致的信任估计。
正文 · AI 翻译
摘要：多机器人系统（MRS）相比单机器人平台具有显著优势，能够在复杂环境中实现信息共享与协调以完成不同任务。然而，可靠协作关键取决于对信息来源及其所报告假设的信任推断，尤其是在部分可观测和潜在对抗干扰的情况下。现有方法往往依赖预先建立的信任关系或侧信道信息，这些在现实的 MRS 部署中可能不可用或不可靠。本工作提出 NeST-Bayes，一个神经符号框架，仅利用机器人间观测一致性来联合推断机器人信任和假设信任，无需预先指定的机器人信任、声誉信息或侧信道身份信号。NeST-Bayes 通过推理由跨机器人观测一致性构建的以自我为中心的关系图，为机器人和物体假设推断瞬时信任证据分数。这些证据分数通过 Beta 分布信任信念的贝叶斯更新随时间累积，以保持时间一致的信任估计。大量评估表明，与基于信任的方法相比，NeST-Bayes 在所有基准设置中取得最高的平均物体精确率和机器人召回率，并在大多数设置中取得最高的机器人精确率和物体召回率。在激进优化攻击下，它取得 98.8\% 的机器人精确率和 93.8\% 的召回率，以及 98.3\% 的物体精确率和 95.4\% 的召回率。在遮挡丰富的 Webots 仓库中，它保持 92.5\% 的机器人精确率和 92.0\% 的召回率，以及 97.3\% 的物体精确率和 85.0\% 的召回率。这些结果证明了所保留信息的可靠性和覆盖范围的联合提升。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.14530 [cs.RO] |
| （或 arXiv:2610.14530v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14530 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Ruiyang Wang [查看电子邮件]
[v1]
2026年10月10日星期六 03:41:27 UTC（2,984 KB）
来源：arXiv cs.AI · arxiv.org