基于连续化的大规模牧群控制解决方案
A Continuification-Based Control Solution for Large-Scale Shepherding
AI总结：
本文提出一种基于连续化的控制方法，将大规模牧群问题转化为宏观连续模型，实现高效可扩展的牧者控制，并保证全局收敛，通过混合现实实验验证了有效性。
摘要：
本文针对大规模牧群控制问题，提出了一种基于连续化策略的解决方案。我们考虑一个场景，其中一大群跟随者智能体（目标）必须通过与一组可控领导者智能体（牧者）的间接交互，被限制在指定的目标区域内。我们的方法通过偏微分方程（PDEs）将微观的基于智能体的动力学转化为宏观连续介质模型。这一表述使得牧者行为的高效、可扩展控制设计成为可能，并保证了全局收敛性。在混合现实群体机器人框架中进行的数值和实验验证证明了该方法的有效性。
英文摘要：
In this paper, we address the large-scale shepherding control problem using a continuification-based strategy. We consider a scenario in which a large group of follower agents (targets) must be confined within a designated goal region through indirect interactions with a controllable set of leader agents (herders). Our approach transforms the microscopic agent-based dynamics into a macroscopic continuum model via partial differential equations (PDEs). This formulation enables efficient, scalable control design for the herders' behavior, with guarantees of global convergence. Numerical and experimental validations in a mixed-reality swarm robotics framework demonstrate the method's effectiveness.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
