基於TH-GRN模型的受限環境下集體跟蹤
由於單個機器人的能力限制，羣體機器人中的羣體任務得到了廣泛的研究。羣體跟蹤是羣體的一種重要能力，以往的許多跟蹤任務都是基於領導-跟隨模型的。不幸的是，簡單的跟蹤行爲在約束環境下會帶來很大的跟蹤不確定性和收斂跟蹤模式的困難，我們提出了一種新的跟蹤模型，將基於跟蹤的分層基因調控網絡與羣機器人的主從模型（TH-GRN）相結合，TH-GRN模型模擬了蛋白質產生和擴散控制羣體活動的過程。這種集中形成了一種跟蹤模式，引導羣體機器人進行調度。爲了適應有限的環境，我們設計了一些靈活的策略並將其集成到我們提出的TH-GRN模型中，以獲得更好的性能。此外，還利用TH-GRN模型生成動態複雜環境。在實驗中，我們設計了三種障礙場景，即固體障礙、移動（動態）障礙和混合障礙。通過仿真驗證了基於跟蹤的TH-GRN模型的有效性，實驗結果證明了該模型的優越性。
文章傳送門：https://dblp.uni-trier.de/rec/html/conf/swarm/YuanFZWMFWBZCYL19
文章引用：
Yutong Yuan, Zhun Fan, Xiaomin Zhu, et al. TH-GRN Model Based Collective Tracking in Confined Environment. International Conference on Swarm Intelligence. Springer, 33–43, 2019.