Publication

Distributed Adaptation in Multi-Robot Search using Particle Swarm Optimization

Alcherio Martinoli
2008
Conference Papers

Résumé

We present an adaptive strategy for a group of robots engaged in the localization of multiple targets. The robotic search algorithm is inspired by chemotaxis behavior in bacteria, and the algorithmic parameters are updated using a distributed implementation of the Particle Swarm Optimization technique. We explore the efficacy of the adaptation, the impact of using local fitness measurements to improve global fitness, and the effect of different particle neighborhood sizes on performance. The robustness of the approach in non-static environments is tested in a time-varying scenario.

Source officielle

https://infoscience.epfl.ch/entities/publication/b174e4f9-6366-4cbb-89d8-68cb342a0d78

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Distributed Adaptation in Multi-Robot Search using Particle Swarm Optimization

Chattez avec Graph Search

Robot Learning using Tensor Networks

Distributed Predictive Formation Control of Autonomous Rotary-Wing Micro Aerial Vehicles

Sense in Motion with Belief Clustering: Efficient Gas Source Localization with Mobile Robots