用位置信息实现稳定群体运动，提升机器人协同效率。
Position-Based Flocking for Robust Alignment
- 仅依赖初始与当前位置估算速度差，简化计算过程。
- 50个智能体仿真中，对齐度更强，群体结构更紧凑刚性。
- 适合需鲁棒协同的机器人集群与集体动力学研究。
本文提出一种基于位置的群体飞行模型，用于协调智能体间的凝聚力-分离性与对齐性，实现稳定的集体运动。该模型改进了基于位置-速度的方法，通过初始位置与当前位置近似速度差，并引入阈值权重以确保持续对齐。在二维空间中对50个智能体的仿真表明，该位置模型产生的对齐效果更强，群体形态更紧密且刚性更高，相较于位置-速度模型更具优势。对齐度量和分离距离验证了该模型在实现鲁棒群体行为方面的有效性。该模型仅使用位置信息即可实现强对齐，适用于机器人集群与集体动力学应用。
原文摘要 · Abstract (English)
This paper presents a position-based flocking model for interacting agents, balancing cohesion-separation and alignment to achieve stable collective motion. The model modifies a position-velocity-based approach by approximating velocity differences using initial and current positions, introducing a threshold weight to ensure sustained alignment. Simulations with 50 agents in 2D demonstrate that the position-based model produces stronger alignment and more rigid and compact formations compared to the position-velocity-based model. The alignment metric and separation distances highlight the efficacy of the proposed model in achieving robust flocking behavior. The model's use of positions ensures robust alignment, with applications in robotics and collective dynamics.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。