MétaCan
Menu
Retour à la cohorte
Enregistrement W2123315562 · doi:10.1109/iros.2004.1389381

Biologically inspired decision making for collective robotic systems

2005· article· en· W2123315562 sur OpenAlexaff
Chris A. C. Parker, Hong Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRelocationSet (abstract data type)Collective behaviorComputer scienceVariable (mathematics)Group decision-makingPopulationScheme (mathematics)RobotAnt colonyOperations researchSwarm behaviourArtificial intelligenceTask (project management)Mathematical optimizationEngineeringMathematicsAnt colony optimization algorithmsSocial psychology

Résumé

récupéré en direct d'OpenAlex

Practical collective robotic systems likely will be confronted with problems which have more than one unique solution. When deciding on which of a set of candidate solutions to a problem to pursue, a collective system should ensure that its members reach a unanimous decision regarding which solution to implement so that the system itself does not split apart with different members pursuing different solutions. If such a split were to occur, much of the collective system's functionality could be lost. In this paper, we present a unique approach to collective decision making that is based on an algorithm employed by a particular species of ant when it chooses a new nest site. We expand the ants' algorithm into a general purpose decision making scheme and apply it to the collective relocation problem. A detailed study of the performance of our decision making algorithm was carried out in simulation using the collective relocation task as a test bed. Consistent system performance was observed across three robot populations. It was found that one particular system variable, the decision quorum threshold played a large role in determining the system's behaviour and that system behaviour was maximized when this variable was set to 50% of the system's population.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,030
Tête enseignante GPT0,263
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetModular Robots and Swarm IntelligenceTravaux en français237 207