研究者提出DGF-Asym去中心化群体估计方法
热点事件持续更新
研究者提出DGF-Asym去中心化群体估计方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Mohammad Nomaan Husain 和 Tanja Katharina Kaiser 提出 DGF-Asym,一种在 DeGroot-Friedkin 模型基础上扩展的去中心化群体估计方法,依据同伴过去的预测表现进行非对称加权,无需预先知道传感器噪声统计或显式故障模型,机器人间通信保持异步。 在含噪声观测与时变传感器故障的模拟群体导航中,该方法相比三个基线产生更稳定的估计并更可靠地维持决策准则,代价是决策时间更长。研究称其整体表现取决于故障比例、群体规模和影响阈值的选择。
AI 根据报道生成 · 55 分钟前更新
最新进展11月18日 13:00
DGF-Asym:面向噪声与故障感知的自适应同伴加权群体估计方法报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIDGF-Asym:面向噪声与故障感知的自适应同伴加权群体估计方法
研究者提出 DGF-Asym,一种在 DeGroot-Friedkin 模型基础上扩展的去中心化群体估计方法,根据回顾性预测表现进行非对称同伴加权,无需先验传感器噪声统计或显式故障模型,且机器人间通信保持异步。在含噪声观测与时变传感器故障的模拟群体导航中,该方法相比三个基线产生更稳定的估计并更可靠地维持决策准则,代价是决策时间更长。整体表现取决于故障比例、群体规模和影响阈值的选择。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。