.png){kind=icon}
返回
Multi-Contextual State Representation for Industrial Robots: A Hypergraph-Based Modeling Framework
.png){kind=icon}
OA
AI
DOI：10.3390/technologies14060332.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
工业机器人系统越来越多地作为异构生态系统运行，其中生产、维护、质量保证、安全和人机交互通过共享数据和跨层约束相互耦合。现有建模方法在结构上仍存在碎片化问题：层级分类支持分解，基于图的方法主要编码成对关系，而分析层通常作为外部管道附加。本文提出了一种基于超图的工业机器人系统多情境状态表示框架。该框架结合了多层问题分类、将情境形式化定义为主动语义处理单元，以及带有符号关联的定向超图模型，用于表示依赖、解释、组合和跨层约束关系，而无需二元分解。该模型通过抓取和维护示例进行实例化，并转化为下游分析处理的数值接口。文中还报告了定量结果。基准测试显示编译时间接近线性扩展，星形扩展可伸缩，与成对编码的比较证实了高阶关系表示开销更低。在典型抓取场景中，单周期基于超图的推理在CPU上仍保持在微秒范围内，中位延迟为2.264 µs。这些结果表明，所提出的框架在计算上是可行的，可作为情境感知分析的表示基础。本文的贡献并非新的控制算法，而是一种形式化表示和数值转换层，为未来的基于学习和基于规则的分析方法提供支持。
Keyword:
industrial robots
semantics
graph theory
context awareness
cyber–physical systems
期刊
T
IF:
3.6
论文数:
1.4K
被引数:
3.2K
机构
引用论文
Exploring the Role of Human-Robot Interactions, within the Context of the Effectiveness of a NAO Robot在NAO机器人的有效性背景下，探索人机交互的作用。
PREAI
分享收藏Learning-Based Task Space Trajectory Planning Frame- Work With Pre-Planning and Post-Processing for Uncertain Free-Floating Space Robots基于学习的任务空间轨迹规划框架，含预规划与后处理，用于不确定自由漂浮空间机器人
PREAI
分享收藏Impact of modular design: Performance evaluation and operating policies of a modular robotic compact storage and retrieval system模块化设计的影响：模块化机器人紧凑型存储与检索系统的性能评估和运行策略
PREAI
分享收藏
分享收藏A Scoping Review of Energy Consumption in Industrial RoboticsMuru, J.; Rassõlkin, A. 工业机器人能耗的范围综述. Machines 2025, 13, 542. [Google Scholar] [CrossRef].png)
Machines
MachinesIF0
PREAI
分享收藏Graph network-based human movement prediction for socially-aware robot navigation in shared workspaces基于图网络的共享工作空间中社会感知机器人导航的人体运动预测
PREAI
分享收藏
查看更多内容