Suppose in a given planar region, there are smart mobile evaders and we want to detect them using sweeping agents. We assume that the agents have line sensors of equal length. We propose procedures for designing cooperative sweeping processes that ensure successful completion of the task, thereby deriving conditions on the sweeping velocity of the agents and their paths. Successful completion of the task means that evaders with a known limit on their velocity cannot escape the sweeping agents. A simpler task for the sweeping swarm is the confinement of the evaders to their initial domain. The feasibility of completing these tasks depends on geometric and dynamic constraints that impose a lower bound on the velocity the sweeping agent must have. This critical velocity is derived to ensure the satisfaction of the confinement task. Increasing the velocity above the lower bound enables the agents to complete the search task as well. We present a quantitative and qualitative comparison analysis between the total search time of same-direction sweep processes and pincer-movement search strategies. We evaluate the different strategies by using two metrics, total search time and the minimal critical velocity required for a successful search. We compare two types of pincer-movement search processes, circular and spiral, with their same-direction counterparts, for any even number of sweeping agents. We prove that pincer based strategies provide superior results for all practical scenarios and that the spiral pincer sweep process allows detection of all evaders while sweeping at nearly theoretically optimal velocities.


翻译:在一个特定的平板区域,有智能的移动避险者,我们想用扫荡剂来探测它们。我们假定,这些特工人员有相同长度的线性传感器。我们建议设计合作扫荡过程的程序,以确保顺利完成任务,从而在物剂及其路径的全速上产生条件。任务的成功完成意味着,在速度上已知限制的避险者无法逃脱扫荡剂。扫荡群的一个较简单的任务是将躲避者困在最初的域内。完成这些任务的可行性取决于几何和动态限制,这些限制对扫荡剂必须达到的速度限制得更低。这一关键速度是为确保封闭任务的满意度而得出的。提高速度使物剂能够完成搜索任务。我们提出一个定量和定性的比较分析,分析同一方向扫荡过程的总搜索时间和悬浮移动战略。我们通过使用两种尺度、全部搜索时间和成功搜索所需的最低临界速度来评估不同的战略。我们比较了两种类型的定序移动移动移动速度,以精确的螺旋式螺旋式搜索过程,同时提供以最精确的螺旋式搜索速度,同时提供以最接近的螺旋式的螺旋式扫描式搜索结果。

0
下载
关闭预览

相关内容

专知会员服务
17+阅读 · 2020年9月6日
【陈天奇】TVM:端到端自动深度学习编译器,244页ppt
专知会员服务
86+阅读 · 2020年5月11日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
已删除
将门创投
8+阅读 · 2019年7月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Arxiv
5+阅读 · 2021年2月8日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
7+阅读 · 2019年1月8日
VIP会员
相关VIP内容
专知会员服务
17+阅读 · 2020年9月6日
【陈天奇】TVM:端到端自动深度学习编译器,244页ppt
专知会员服务
86+阅读 · 2020年5月11日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
相关资讯
已删除
将门创投
8+阅读 · 2019年7月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Top
微信扫码咨询专知VIP会员