1.摘要

针对未知复杂障碍环境中的多机器人协同区域搜索，本文提出双改进生物启发神经网络算法 DIBNN（Dual-Improved-BNN），改进生物启发神经网络（IBNN）的动态特性，减弱复杂障碍对神经活动传播和机器人决策的干扰；设计协同搜索机制，当机器人陷入局部死锁时，引导其前往周围未搜索区域较大的机器人位置，并利用第二层 IBNN 脱离死锁。仿真结果表明，DIBNN 能在避障和防碰撞的同时提高区域覆盖率、减少重复搜索和路径长度，在不同障碍密度、初始位置和集群规模下保持较好的实时性、鲁棒性与可扩展性。

2.问题建模

见个人简介

# 机器人
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

企业微信二次开发：外部群机器人如何结合业务规则实现智能消息分流

avatar DAMO开发者矩阵
cover

企业微信二次开发：外部群机器人如何实现指定成员触发与定向回复

avatar DAMO开发者矩阵

具身智能的仿真到现实迁移-为什么Demo过不了关

仿真到现实的迁移鸿沟是具身智能落地的核心瓶颈。本文剖析四类差距（视觉、物理、动力学、场景），强调高保真仿真对第四类差距无效。提出域随机化需合理设定范围、避免过度扰动，并结合真实数据回补（微调、系统辨识、混合训练）。强调评估须基于多次真机测试与置信区间，工程上需重视安全层、状态估计与可恢复性。最终指出：成功的关键在于“真机成功率+重复次数”这一硬指标，而非仿真表现。11月20-21日北京大会将深入探

avatar DAMO开发者矩阵