SenseSwarm：基于共享世界预测的神经结构估计实现集群快速建图探索

📋总体概括

香港科技大学等团队提出SenseSwarm，一种去中心化机器人集群快速建图方法。核心是在集群共享占据图上运行一个仅709K参数的轻量神经网络，预测机器人尚未物理到达的建筑结构，并将预测结果反哺到基于信息素的引导场中，实现「先知先觉」式探索。该预测器需在集群自身的多机器人视角观测上微调，单机训练的模型会失效。团队基于HouseExpo、HKUST、KTH的12个真实建筑楼层构建基准，最大面积24,000平方米，共执行1,620组仿真，覆盖9种协同方法、32至512的集群规模。该工作让集群在不增加物理覆盖的情况下提升对未知环境的认知量，指向协同探索效率的下一代提升路径。