Les systèmes robotiques intelligents fonctionnent souvent sous des contraintes énergétiques strictes, en particulier dans des environnements complexes et dynamiques. Pour améliorer à la fois l'adaptabilité et la fiabilité, cette étude introduit un cadre de planification sémantique qui intègre le raisonnement basé sur l'ontologie avec la conscience énergétique. Le cadre estime la consommation d'énergie en fonction du comportement spécifique à la plate-forme des modules de détection, d'actionnement et de calcul, tout en mettant à jour en continu les représentations sémantiques au niveau des lieux à l'aide de données d'exécution en temps réel. Ces représentations codent non seulement des sémantiques spatiales et contextuelles, mais aussi des caractéristiques énergétiques acquises à partir de l'historique opérationnel antérieur. En intégrant des profils d'utilisation énergétique historiques dans des cartes sémantiques hiérarchiques, ce cadre permet une planification d'itinéraire plus efficace et une attribution de tâches consciente du contexte. Une couche sémantique partagée facilite la planification coordonnée pour les systèmes à robot unique et multi-robots, avec des décisions informées par des connaissances centrées sur l'énergie. Cette approche reste indépendante du matériel et peut être appliquée sur des plates-formes diversifiées, telles que des robots de service intérieurs et des véhicules autonomes terrestres. La validation expérimentale à l'aide d'une plate-forme mobile à conduite différentielle dans un cadre intérieur structuré démontre des améliorations de l'efficacité énergétique, de la robustesse de la planification et de la qualité de la distribution des tâches. Ce cadre relie efficacement le raisonnement symbolique de haut niveau avec le comportement énergétique de bas niveau, fournissant un mécanisme unifié pour la prise de décision sémantique informée par l'énergie.
Choi et al. (Lun,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: