跳到正文
arXiv · 机器人与计算机视觉· Mohammad Nomaan Husain, Tanja Katharina Kaiser·· 12 小时前AI 评分58

DGF-Asym:面向嘈杂与故障感知的自适应同伴加权集体估计

DGF-Asym: Adaptive Peer Weighting for Collective Estimation under Noisy and Faulty Sensing

AI 导读

针对不可靠感知下的集体估计问题,本文提出了 DGF-Asym 去中心化方法,通过基于回顾性预测性能的不对称同伴加权扩展了 DeGroot-Friedkin 模型。该方法无需先验传感器噪声统计或显式故障模型即可达成共识,并在异步通信下支持模拟群体导航任务。实验显示其在嘈杂观测和时变传感器故障场景下比三个基线更稳定且可靠维持决策标准,但决策时间更长,整体性能受故障比例、群体规模和影响力阈值选择影响。

来源:arXiv · 机器人与计算机视觉 · arxiv.org