CN113050678A - 基于人工智能的自主协同控制方法及系统 - Google Patents

基于人工智能的自主协同控制方法及系统 Download PDF

Info

Publication number
CN113050678A
CN113050678A CN202110229215.0A CN202110229215A CN113050678A CN 113050678 A CN113050678 A CN 113050678A CN 202110229215 A CN202110229215 A CN 202110229215A CN 113050678 A CN113050678 A CN 113050678A
Authority
CN
China
Prior art keywords
artificial intelligence
cooperative control
algorithm
control object
state information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110229215.0A
Other languages
English (en)
Inventor
周纪念
王艳艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Robinson Logistics Co ltd
Original Assignee
Shandong Robinson Logistics Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Robinson Logistics Co ltd filed Critical Shandong Robinson Logistics Co ltd
Priority to CN202110229215.0A priority Critical patent/CN113050678A/zh
Publication of CN113050678A publication Critical patent/CN113050678A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

基于人工智能的自主协同控制方法及系统，对协同控制对象进行人工智能控制器的配置，通过人工智能控制器接收来自协同控制对象的第一通信；第一通信包括在协同控制对象上运行的软件应用组件的状态信息；状态信息包括与软件应用组件可用的至少一个潜在状态改变对应的触发信息；通过人工智能控制器解释状态信息，以及基于解释的状态信息从预设的若干人工智能算法中选择由软件应用组件使用的人工智能算法。本发明使用人工智能控制器解释状态信息，以及基于解释的状态信息从多个人工智能算法中选择由软件应用组件使用的人工智能算法，实现控制对象的自主协同，更加的有组织性，以解决复杂或特定场景下如无人机或智能驾驶汽车的集群动作问题。

Description

基于人工智能的自主协同控制方法及系统
技术领域
本发明涉及智能控制技术领域，具体涉及一种基于人工智能的自主协同控制方法及系统。
背景技术
目前，多智能对象的协同控制发展日益复杂化和更加的智能化，从集中、集散式控制、现场中心控制到智能控制，且具备智能对象的基本特征，控制方式日益走向多智能控制单元协同控制，基于人工智能的自主协同控制是现代智能控制技术发展的方向。
比如，群体智能机器人由多个小型机器人组成的集群式解决系统，群体智能机器人在没有统一领导的情况下，也能合作执行大量复杂的任务。每一个小机器人都具有自身的运动能力和有限的智能水平，通过个体之间或个体与环境之间交互行为形成高度的有组织性活动，虽然这些交互行为看上去非常简单，但他们聚在一起却能解决一些难题，完成很多单体无法完成的工作。群体智能机器人的运用前景非常广泛，包括智慧城市、智慧医疗、智能制造等方面,在军事战中也发挥巨大作用。如何实现基于人工智能的自主协同控制以使智能对象更加的有组织性是一个亟待解决的技术问题。
发明内容
为此，本发明提供一种基于人工智能的自主协同控制方法及系统，实现控制对象的自主协同，更加的有组织性以解决复杂或特定场景下的集群动作问题。
为了实现上述目的，本发明提供如下技术方案：第一方面提供一种基于人工智能的自主协同控制方法，对协同控制对象进行人工智能控制器的配置，通过所述人工智能控制器接收来自所述协同控制对象的第一通信；所述第一通信包括在所述协同控制对象上运行的软件应用组件的状态信息；
所述状态信息包括与所述软件应用组件可用的至少一个潜在状态改变对应的触发信息；
通过所述人工智能控制器解释所述状态信息，以及基于解释的状态信息从预设的若干人工智能算法中选择由所述软件应用组件使用的人工智能算法。
作为基于人工智能的自主协同控制方法的优选方案，所述触发信息与至少一个结束条件相关联，当满足所述结束条件发生触发信息时执行预设的若干人工智能算法的切换。
作为基于人工智能的自主协同控制方法的优选方案，向所述协同控制对象发送对所述人工智能算法的第二通信，所述第二通信指示所选择的人工智能算法在所述协同控制对象上的所述软件应用程序组件中使用。
作为基于人工智能的自主协同控制方法的优选方案，所述人工智能算法包括避障算法、蚁群算法、模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法及麻雀搜索算法中的一种或多种。
作为基于人工智能的自主协同控制方法的优选方案，所述协同控制对象为无人机或智能驾驶汽车。
本发明还提供一种基于人工智能的自主协同控制系统，包括：
配置模块，用于对协同控制对象进行人工智能控制器的配置；
第一通信模块，用于通过所述人工智能控制器接收来自所述协同控制对象的第一通信；所述第一通信包括在所述协同控制对象上运行的软件应用组件的状态信息；所述状态信息包括与所述软件应用组件可用的至少一个潜在状态改变对应的触发信息；
解释模块，用于通过所述人工智能控制器解释所述状态信息；
算法选择模块，用于基于解释的状态信息从预设的若干人工智能算法中选择由所述软件应用组件使用的人工智能算法。
作为基于人工智能的自主协同控制系统的优选方案，还包括触发信息配置模块，通过所述触发信息配置模块使触发信息与至少一个结束条件相关联，当满足所述结束条件发生触发信息时执行预设的若干人工智能算法的切换。
作为基于人工智能的自主协同控制系统的优选方案，还包括第二通信模块，用于向所述协同控制对象发送对所述人工智能算法的第二通信，所述第二通信指示所选择的人工智能算法在所述协同控制对象上的所述软件应用程序组件中使用。
作为基于人工智能的自主协同控制系统的优选方案，所述人工智能算法包括避障算法、蚁群算法、模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法及麻雀搜索算法中的一种或多种。
作为基于人工智能的自主协同控制系统的优选方案，所述协同控制对象为无人机或智能驾驶汽车
本发明具有如下优点：对协同控制对象进行人工智能控制器的配置，通过人工智能控制器接收来自协同控制对象的第一通信；第一通信包括在协同控制对象上运行的软件应用组件的状态信息；状态信息包括与软件应用组件可用的至少一个潜在状态改变对应的触发信息；通过人工智能控制器解释状态信息，以及基于解释的状态信息从预设的若干人工智能算法中选择由软件应用组件使用的人工智能算法。本发明使用人工智能控制器解释状态信息，以及基于解释的状态信息从多个人工智能算法中选择由软件应用组件使用的人工智能算法，向协同控制对象发送人工智能算法通信，实现控制对象的自主协同，更加的有组织性，以解决复杂或特定场景下如无人机或智能驾驶汽车的集群动作问题。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例中提供的基于人工智能的自主协同控制方式示意图；
图2为本发明实施例中提供的基于人工智能的自主协同控制系统示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，本发明实施例提供一种基于人工智能的自主协同控制方法，对协同控制对象进行人工智能控制器的配置，通过所述人工智能控制器接收来自所述协同控制对象的第一通信；所述第一通信包括在所述协同控制对象上运行的软件应用组件的状态信息；
所述状态信息包括与所述软件应用组件可用的至少一个潜在状态改变对应的触发信息；
通过所述人工智能控制器解释所述状态信息，以及基于解释的状态信息从预设的若干人工智能算法中选择由所述软件应用组件使用的人工智能算法。
本实施例中，协同控制对象可以为无人机或智能驾驶汽车，所述人工智能算法包括避障算法、蚁群算法、模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法及麻雀搜索算法中的一种或多种。人工智能算法可以协同控制对象进行灵活的配置，以使协同控制对象在不同情形下执行不同的算法动作。比如对于智能驾驶汽车而言，进行避障算法配置，当某一场景存在障碍物时，使特定范围内的智能驾驶汽车能够协同避障。
又比如对无人机进行麻雀搜索算法配置，在麻雀觅食的过程中，分为发现者(探索者)和加入者(追随者)，发现者在种群中负责寻找食物并为整个麻雀种群提供觅食区域和方向，而加入者则是利用发现者来获取食物。为了获得食物，麻雀通常可以采用发现者和加入者这两种行为策略进行觅食。种群中的个体会监视群体中其它个体的行为，并且该种群中的攻击者会与高摄取量的同伴争夺食物资源，以提高自己的捕食率。此外，当麻雀种群意识到危险时会做出反捕食行为。通过对无人机配置麻雀搜索算法，可以使无人机应用在监控场合。
本实施例中，所述触发信息与至少一个结束条件相关联，当满足所述结束条件发生触发信息时执行预设的若干人工智能算法的切换。由于协同控制对象会存在多种行为，针对不同的行为配置不同的人工智能算法，同时特定的人孔智能算法具有给定的触发条件或结束条件，当满足给定的触发条件或结束条件时进行人工智能算法的切换。
本实施例中，向所述协同控制对象发送对所述人工智能算法的第二通信，所述第二通信指示所选择的人工智能算法在所述协同控制对象上的所述软件应用程序组件中使用。协同控制对象和人工智能控制器之间能够进行无线通信，比如采用成熟的4G通信、WiFi通信等方式，以实现人工智能控制器对协同控制对象的远程控制。
参见图2，本发明还提供一种基于人工智能的自主协同控制系统，包括：
配置模块1，用于对协同控制对象进行人工智能控制器的配置；
第一通信模块2，用于通过所述人工智能控制器接收来自所述协同控制对象的第一通信；所述第一通信包括在所述协同控制对象上运行的软件应用组件的状态信息；所述状态信息包括与所述软件应用组件可用的至少一个潜在状态改变对应的触发信息；
解释模块3，用于通过所述人工智能控制器解释所述状态信息；
算法选择模块4，用于基于解释的状态信息从预设的若干人工智能算法中选择由所述软件应用组件使用的人工智能算法。
本实施例中，还包括触发信息配置模块5，通过所述触发信息配置模块5使触发信息与至少一个结束条件相关联，当满足所述结束条件发生触发信息时执行预设的若干人工智能算法的切换。
本实施例中，还包括第二通信模块6，用于向所述协同控制对象发送对所述人工智能算法的第二通信，所述第二通信指示所选择的人工智能算法在所述协同控制对象上的所述软件应用程序组件中使用。所述人工智能算法包括避障算法、蚁群算法、模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法及麻雀搜索算法中的一种或多种。所述协同控制对象为无人机或智能驾驶汽车。本实施例中的基于人工智能的自主协同控制系统为对应于上述基于人工智能的自主协同控制方法的产品实施方案，具体的实施情形同基于人工智能的自主协同控制方法，在此不在赘述。
本发明对协同控制对象进行人工智能控制器的配置，通过人工智能控制器接收来自协同控制对象的第一通信；第一通信包括在协同控制对象上运行的软件应用组件的状态信息；状态信息包括与软件应用组件可用的至少一个潜在状态改变对应的触发信息；通过人工智能控制器解释状态信息，以及基于解释的状态信息从预设的若干人工智能算法中选择由软件应用组件使用的人工智能算法。所述触发信息与至少一个结束条件相关联，当满足所述结束条件发生触发信息时执行预设的若干人工智能算法的切换。由于协同控制对象会存在多种行为，针对不同的行为配置不同的人工智能算法，同时特定的人孔智能算法具有给定的触发条件或结束条件，当满足给定的触发条件或结束条件时进行人工智能算法的切换。向所述协同控制对象发送对所述人工智能算法的第二通信，所述第二通信指示所选择的人工智能算法在所述协同控制对象上的所述软件应用程序组件中使用。协同控制对象和人工智能控制器之间能够进行无线通信，比如采用成熟的4G通信、WiFi通信等方式，以实现人工智能控制器对协同控制对象的远程控制。本发明使用人工智能控制器解释状态信息，以及基于解释的状态信息从多个人工智能算法中选择由软件应用组件使用的人工智能算法，向协同控制对象发送人工智能算法通信，实现控制对象的自主协同，更加的有组织性，以解决复杂或特定场景下如无人机或智能驾驶汽车的集群动作问题。
显然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.基于人工智能的自主协同控制方法，其特征在于，对协同控制对象进行人工智能控制器的配置，通过所述人工智能控制器接收来自所述协同控制对象的第一通信；所述第一通信包括在所述协同控制对象上运行的软件应用组件的状态信息；
所述状态信息包括与所述软件应用组件可用的至少一个潜在状态改变对应的触发信息；
通过所述人工智能控制器解释所述状态信息，以及基于解释的状态信息从预设的若干人工智能算法中选择由所述软件应用组件使用的人工智能算法。
2.根据权利要求1所述的基于人工智能的自主协同控制方法，其特征在于，所述触发信息与至少一个结束条件相关联，当满足所述结束条件发生触发信息时执行预设的若干人工智能算法的切换。
3.根据权利要求1所述的基于人工智能的自主协同控制方法，其特征在于，向所述协同控制对象发送对所述人工智能算法的第二通信，所述第二通信指示所选择的人工智能算法在所述协同控制对象上的所述软件应用程序组件中使用。
4.根据权利要求1所述的基于人工智能的自主协同控制方法，其特征在于，所述人工智能算法包括避障算法、蚁群算法、模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法及麻雀搜索算法中的一种或多种。
5.根据权利要求1所述的基于人工智能的自主协同控制方法，其特征在于，所述协同控制对象为无人机或智能驾驶汽车。
6.基于人工智能的自主协同控制系统，其特征在于，包括：
配置模块，用于对协同控制对象进行人工智能控制器的配置；
第一通信模块，用于通过所述人工智能控制器接收来自所述协同控制对象的第一通信；所述第一通信包括在所述协同控制对象上运行的软件应用组件的状态信息；所述状态信息包括与所述软件应用组件可用的至少一个潜在状态改变对应的触发信息；
解释模块，用于通过所述人工智能控制器解释所述状态信息；
算法选择模块，用于基于解释的状态信息从预设的若干人工智能算法中选择由所述软件应用组件使用的人工智能算法。
7.根据权利要求6所述的基于人工智能的自主协同控制系统，其特征在于，还包括触发信息配置模块，通过所述触发信息配置模块使触发信息与至少一个结束条件相关联，当满足所述结束条件发生触发信息时执行预设的若干人工智能算法的切换。
8.根据权利要求6所述的基于人工智能的自主协同控制系统，其特征在于，还包括第二通信模块，用于向所述协同控制对象发送对所述人工智能算法的第二通信，所述第二通信指示所选择的人工智能算法在所述协同控制对象上的所述软件应用程序组件中使用。
9.根据权利要求6所述的基于人工智能的自主协同控制系统，其特征在于，所述人工智能算法包括避障算法、蚁群算法、模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法及麻雀搜索算法中的一种或多种。
10.根据权利要求6所述的基于人工智能的自主协同控制系统，其特征在于，所述协同控制对象为无人机或智能驾驶汽车。
CN202110229215.0A 2021-03-02 2021-03-02 基于人工智能的自主协同控制方法及系统 Pending CN113050678A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110229215.0A CN113050678A (zh) 2021-03-02 2021-03-02 基于人工智能的自主协同控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110229215.0A CN113050678A (zh) 2021-03-02 2021-03-02 基于人工智能的自主协同控制方法及系统

Publications (1)

Publication Number Publication Date
CN113050678A true CN113050678A (zh) 2021-06-29

Family

ID=76509752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110229215.0A Pending CN113050678A (zh) 2021-03-02 2021-03-02 基于人工智能的自主协同控制方法及系统

Country Status (1)

Country Link
CN (1) CN113050678A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114020016A (zh) * 2021-10-29 2022-02-08 哈尔滨工业大学 一种基于机器学习的空地协同通信服务方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102904343A (zh) * 2012-10-16 2013-01-30 贵州电力试验研究院 基于分布式多智能体的状态监测系统及方法
CN108287542A (zh) * 2018-01-04 2018-07-17 浙江大学 基于协同云控制的无人机与无人船协作控制系统与方法
CN108830373A (zh) * 2018-06-08 2018-11-16 武汉大学 仿欧椋鸟群集飞行的大规模智能群体自主协同的建模方法
CN109557922A (zh) * 2018-12-21 2019-04-02 江苏大学 一种智能拖拉机田间避障控制系统及方法
CN109917767A (zh) * 2019-04-01 2019-06-21 中国电子科技集团公司信息科学研究院 一种分布式无人机集群自主管理系统及控制方法
CN110874098A (zh) * 2019-10-16 2020-03-10 深圳一清创新科技有限公司 控制模块、智能车控制方法及其控制系统
CN110893860A (zh) * 2018-09-12 2020-03-20 华为技术有限公司 一种智能驾驶方法及智能驾驶系统
CN112026786A (zh) * 2020-09-09 2020-12-04 深圳技术大学 智能车的协同驾驶控制系统及多车协同驾驶控制系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102904343A (zh) * 2012-10-16 2013-01-30 贵州电力试验研究院 基于分布式多智能体的状态监测系统及方法
CN108287542A (zh) * 2018-01-04 2018-07-17 浙江大学 基于协同云控制的无人机与无人船协作控制系统与方法
CN108830373A (zh) * 2018-06-08 2018-11-16 武汉大学 仿欧椋鸟群集飞行的大规模智能群体自主协同的建模方法
CN110893860A (zh) * 2018-09-12 2020-03-20 华为技术有限公司 一种智能驾驶方法及智能驾驶系统
CN109557922A (zh) * 2018-12-21 2019-04-02 江苏大学 一种智能拖拉机田间避障控制系统及方法
CN109917767A (zh) * 2019-04-01 2019-06-21 中国电子科技集团公司信息科学研究院 一种分布式无人机集群自主管理系统及控制方法
CN110874098A (zh) * 2019-10-16 2020-03-10 深圳一清创新科技有限公司 控制模块、智能车控制方法及其控制系统
CN112026786A (zh) * 2020-09-09 2020-12-04 深圳技术大学 智能车的协同驾驶控制系统及多车协同驾驶控制系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114020016A (zh) * 2021-10-29 2022-02-08 哈尔滨工业大学 一种基于机器学习的空地协同通信服务方法及系统

Similar Documents

Publication Publication Date Title
CN111552314B (zh) 多无人机自适应编队跟踪控制方法
CN110286694B (zh) 一种多领导者的无人机编队协同控制方法
US6904335B2 (en) System, method and apparatus for organizing groups of self-configurable mobile robotic agents in a multi-robotic system
Parunak Making swarming happen
CN111080258B (zh) 一种基于角色状态机的群体无人系统协同任务管理子系统
CN111490848B (zh) 一种基于异构认知传感网的电子对抗侦察系统
Makarenko et al. Decentralized Bayesian algorithms for active sensor networks
CN113645143B (zh) 一种空中集群通信网络的优化方法及装置
An et al. Multi-robot systems and cooperative object transport: Communications, platforms, and challenges
US20210133633A1 (en) Autonomous machine knowledge transfer
Meng et al. A hybrid ACO/PSO control algorithm for distributed swarm robots
CN113050678A (zh) 基于人工智能的自主协同控制方法及系统
Goodrich et al. On leadership and influence in human-swarm interaction
CN109617968B (zh) 多智能体协作系统及其智能体、智能体间的通信方法
Ma et al. A survey of research on the distributed cooperation method of the uav swarm based on swarm intelligence
Wang et al. Integration of software defined radios and software defined networking towards reinforcement learning enabled unmanned aerial vehicle networks
Hunjet et al. Survivable communications and autonomous delivery service a generic swarming framework enabling communications in contested environments
Lhotska et al. PSO and ACO in Optimization Problems
Peters et al. Coverage control with anytime updates for persistent surveillance missions
Lima et al. Stochastic cellular automata ant memory model for swarm robots performing efficiently the garbage collection task
CN115657722A (zh) 一种基于事件触发脉冲控制的智能无人集群系统一致性编队控制方法
de Freitas et al. Coordinating aerial robots and unattended ground sensors for intelligent surveillance systems
Varadharajan et al. The unbroken telephone game: Keeping swarms connected
CN113495574A (zh) 一种无人机群飞行的控制方法、装置
Sapaty Distributed technology for global control

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210629