SenseSwarm提出共享预期的群体建图方法

Haohua Que等在arXiv发表论文，提出SenseSwarm方法：在机器人集群的共享占据地图上运行一个709K参数的轻量地图预测器，把预测出的结构折返为基于stigmergy的引导场，并用集群自身的多前沿观测微调预测器——论文指出，单机器人训练的预测器在这一视角下会失效。 论文公布了由HouseExpo、HKUST和KTH真实建筑楼层构成的基准（共12层，最大24,000平方米），并运行1,620次仿真，覆盖9种协同方法、32至512台机器人、3个随机种子。结果显示，集群在物理覆盖上与贪心前沿规划器接近持平（论文称这符合预期）；预测对每张共享地图只计算一次，其开销从32台到512台机器人保持不变。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。