联邦三支决策导航模型

多机器人协同学习

提出一种基于联邦学习和三向决策的移动机器人导航方法，通过多机器人知识聚合提升导航决策的效率和稳健性。

张超 · Haonan, Hou · Arun Kumar, Sangaiah · 李德玉 · Feng, Cao · 王宝丽

Lecture Notes in Computer Science 2024

技术优势

无需共享原始数据

通过联邦学习，各机器人在本地保留原始数据，只聚合模型更新，保障数据隐私。

能处理不一致信息

图片模糊集扩展了直觉模糊集，能更有效地表示实际导航中多源信息的不一致性。

灵活选择最优粒度

利用 CODAS 方法确定多粒度图片模糊隶属度的最优粒度，提高决策的适应性和准确性。

应用场景

• 多机器人协同导航：让多个机器人用本地数据协作提升导航模型，替代单机独立训练。
• 移动机器人路径规划：通过三支决策优化路径选择中的不确定信息处理，提升规划效率。
• 工业移动机器人：在隐私敏感的工业场景中，无需集中数据即可训练导航模型。
• 群体机器人智能：群体协作学习但保留个体数据，提升群体导航的整体智能。