摘要
现有群体智能系统执行探索任务时往往获取、计算和传输大量冗余信息,造成群智系统资源利用效率低下。设计任务驱动的计算和通信资源高效融合利用机理成为亟待解决的关键科学问题。基于此,提出了一种脑注意力机制启发的群体智能协同避障方法。受脑注意力机制启发,群智系统引入基于深度Q网络的传感器智能选择模块,实现在探索未知环境时高效选择传感器的工作状态,利用尽量少的传感器开销获取和计算关键信息;以最佳交互碰撞避免算法为基础,单一智能体融合邻居智能体的少量关键信息,驱动传感器智能选择模块,在完成集群协同避障的同时,大幅降低传感器获取和计算信息的冗余度。在仿真平台及Kehepera IV机器人实际场景中进行验证,结果显示,所提方法可以显著降低集群系统传感器的信息冗余度,并且随着智能体数量以及信息交互量的增加,性能增益更加显著。