神经形态决策动力学实现无死锁导航

Himani Sinhmar、Vaibhav Srivastava 和 Naomi Ehrich Leonard 提出神经形态决策动力学（NDD），一种分散式、事件驱动的控制器，用于拥挤环境中的安全导航。作者称，NDD 无需通信、预设优先级、邻居目标模型，也无需估计群体规模或全局网络属性；智能体通过将内部决策与注意力状态耦合到物理状态和局部观测的相对运动，自组织成局部冲突小组并形成通行顺序。 作者推导出对感知范围、反馈增益、响应时间尺度和执行限制的显式条件，称在这些条件下，规模任意且可变的有限异构智能体群体能在有限时间内避免碰撞并形成通行顺序，不会陷入死锁或活锁。大规模仿真、与现有方法的比较及硬件实验被用于展示 NDD 在复杂拥挤场景中的表现并验证其可扩展性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。