Fault-Resilience Role Engine for an Autonomous Cooperative Multi-Robot System using E-CARGO
Notice bibliographique
Résumé
In safety-critical applications, where several mobile robots and autonomous agents are being utilized for a mission, a fault-resilience behavior of the system is necessary. The fault resilience mechanism mostly uses the robot’s redundancy and tasks reassignment to recover malfunctioning and increase operating efficiency. The E-CARGO (Environments - Classes, Agents, Roles, Groups, and Objects) model designed for the Role-Based Collaboration (RBC) approach has been used successfully on cooperative Multi-Robot Systems (MRSs). Role-based characteristics of E-CARGO will facilitate cooperative decision-making and simplify handling failure. This paper develops an extended E-CARGO model for a fault resilience role engine. Agents use factor graphs to update the process role and manage the potential failure in each time step. We apply hybrid control in this paper. By “hybrid” we mean that evaluating and assigning initial roles are centralized, and role-playing is decentralized based on the local observations. The RBC life cycle and a Bayesian consensus will maintain fault resilience behaviors. Potential failure can be identified in a Bayesian way by updating agents’ reliability and calling the central unit to assign new process roles to guarantee robustness. Simulation experiments show that the proposed role engine can increase performance and tolerate failures in multi-robot path planning scenarios.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».