Notice bibliographique
Résumé
Purpose A simultaneous solution to the localization and mapping problem of a graph‐like environment by a swarm of robots requires solutions to task coordination and map merging. The purpose of this paper is to examine the performance of two different map‐merging strategies. Design/methodology/approach Building a representation of the environment is a key problem in robotics where the problem is known as simultaneous localization and mapping (SLAM). When large groups of robots operate within the environment, the SLAM problem becomes complicated by issues related to coordination of the elements of the swarm and integration of the environmental representations obtained by individual swarm elements. This paper considers these issues within the formalism of a group of simulated robots operating within a graph‐like environment. Starting at a common node, the swarm partitions the unknown edges of the known graph and explores the graph for a pre‐arranged period. The swarm elements then meet at a particular time and location to integrate their partial world models. This process is repeated until the entire world has been mapped. A correctness proof of the algorithm is presented, and different coordination strategies are compared via simulation. Findings The paper demonstrates that a swarm of identical robots, each equipped with its own marker, and capable of simple sensing and action abilities, can explore and map an unknown graph‐like environment. Moreover, experimental results show that exploration with multiple robots can provide an improvement in exploration effort over a single robot and that this improvement does not scale linearly with the size of the swarm. Research limitations/implications The paper represents efforts toward exploration and mapping in a graph‐like world with robot swarms. The paper suggests several extensions and variations including the development of adaptive partitioning and rendezvous schedule strategies to further improve both overall swarm efficiency and individual robot utilization during exploration. Originality/value The novelty associated with this paper is the formal extension of the single robot graph‐like exploration of Dudeket al.to robot swarms. The paper here examines fundamental limits to multiple robot SLAM and does this within a topological framework. Results obtained within this topological formalism can be readily transferred to the more traditional metric representation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».