Algorithme de réseau neuronal pour la chasse coordonnée de plusieurs robots

Le système multi-robots nécessite une bonne coordination entre plusieurs robots, une bonne répartition des tâches secondaires telles que l'attribution des tâches, la planification du chemin, l'évitement des obstacles et bien d'autres problèmes secondaires. Tous ces sous-problèmes doivent être pris en considération pour une exécution efficace du système. Dans la chasse multi-robots, les robots chassent les fuyards ; les robots doivent reconnaître les membres de leur équipe et tenir compte de leurs positions et capacités actuelles pour attraper les fuyards stationnaires ou en mouvement de manière efficace grâce à l'approche de planification de trajectoire coopérative. Ce travail de recherche vise à concevoir une solution au problème de la chasse multi-robots dans un environnement inconnu. Les robots sur le terrain ne disposent pas d'informations sur la zone, notamment sur la position des obstacles et des fuyards. L'environnement dynamique est pris en compte dans ce travail. L'objectif de ce travail est de fournir une solution qui entraînera moins de frais de calcul pour les robots et réduira le nombre total d'étapes de la chasse. La contribution initiale du travail de recherche introduit le problème de la chasse dans un environnement inconnu.

Autorentext

Poorva Agrawal a obtenu son doctorat en informatique et ingénierie à Symbiosis International (Deemed University), Pune, Inde, en 2020. Elle se consacre à la recherche et à l'enseignement depuis plus de 14 ans. Elle est professeur adjoint principal au département CSE de SIT Nagpur et a publié plus de 30 articles de recherche.