MétaCan
Menu
Retour à la cohorte
Enregistrement W2969776285 · doi:10.1109/tcds.2019.2932751

Decentralized Energy-Aware Co-Planning of Motion and Communication Strategies for Networked Mobile Robots

2019· article· en· W2969776285 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueIEEE Transactions on Cognitive and Developmental Systems · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed Control Multi-Agent Systems
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Waterloo
Mots-clésComputer scienceRobotSoftware deploymentMobile robotTask (project management)Energy consumptionMotion planningDistributed computingWirelessMotion (physics)Scheme (mathematics)Computer networkReal-time computingHuman–computer interactionArtificial intelligenceTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

In this article, a decentralized planning scheme is proposed to determine simultaneously communication and motion strategies for a team of mobile robots. These robots accomplish a collection of target visiting tasks in a complex environment with optimal energy consumption and guaranteed end-to-end connectivity. Information generated during the team deployment is transmitted to an operation center via a multihop wireless network whose channels are modeled by stochastic variables. For each announced task, mobile robots adopt different roles depending on the task's nature and the team's current configuration; then, each robot determines its communication and motion policies by solving a convex optimization problem. Avoiding inter-robot collisions and obstacles is also taken into account. The suggested approach leads to the efficient use of available robots and their energy resources compared to the rival methods in the literature. Effectiveness of the proposed algorithm is illustrated by computer simulations.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil0,701

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,269
Écart entre enseignants0,246 · 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