DGF-Asym:无需噪声先验的去中心化集体估计
热点事件持续更新
DGF-Asym:无需噪声先验的去中心化集体估计
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Mohammad Nomaan Husain 与 Tanja Katharina Kaiser 提出 DGF-Asym 去中心化集体估计方法,在 DeGroot-Friedkin 模型上引入基于回溯预测表现的非对称同伴加权,无需先验传感器噪声统计或显式故障模型,并保持机器人间异步通信。 在噪声观测与时变传感器故障的模拟集体导航中,该方法相比三个基线给出更稳定的估计、更可靠地维持决策准则,代价是决策时间更长。其整体表现受故障比例、群体规模和影响阈值选择影响。
AI 根据报道生成 · 59 分钟前更新
最新进展11月18日 13:00
DGF-Asym:噪声与故障传感下集体估计的自适应同伴加权方法报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIDGF-Asym:噪声与故障传感下集体估计的自适应同伴加权方法
DGF-Asym 是一种去中心化集体估计方法,在 DeGroot-Friedkin 模型上引入基于回溯预测表现的非对称同伴加权,无需先验传感器噪声统计或显式故障模型,并保持机器人间异步通信。在噪声观测与时变传感器故障的模拟集体导航中,它相比三个基线给出更稳定的估计、更可靠地维持决策准则,代价是决策时间更长。整体表现受故障比例、群体规模与影响阈值选择影响。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。