Space-fluid Adaptive Sampling by Self-Organisation

要約

協調システムで繰り返されるタスクは、分散された感知データや計算結果など、空間で変化する信号を管理 (推定、予測、または制御) することです。
特に大規模な設定では、分散化された状況にあるコンピューティング システムによって問題に対処できます。ノードはローカルで信号を感知、処理、および処理し、近隣ノードと連携して集団戦略を実装できます。
したがって、この作業では、協調適応サンプリングを通じて空間現象を推定するための分散調整戦略を考案します。
私たちの設計は、正確な集計サンプリングを提供するために、領域を競合して拡大/縮小する領域に動的に分割するという考えに基づいています。
したがって、そのような領域は、その構造が根本的な現象によって加えられる圧力に応じて適応するため、「流体」である一種の仮想化された空間を定義します。
フィールドベースの調整フレームワークで適応サンプリングアルゴリズムを提供し、それが自己安定的で局所的に最適であることを証明します。
最後に、提案されたアルゴリズムが、精度と効率の間の調整可能なトレードオフを維持しながら、空間適応サンプリングを効果的に実行することをシミュレーションによって検証します。

要約(オリジナル)

A recurrent task in coordinated systems is managing (estimating, predicting, or controlling) signals that vary in space, such as distributed sensed data or computation outcomes. Especially in large-scale settings, the problem can be addressed through decentralised and situated computing systems: nodes can locally sense, process, and act upon signals, and coordinate with neighbours to implement collective strategies. Accordingly, in this work we devise distributed coordination strategies for the estimation of a spatial phenomenon through collaborative adaptive sampling. Our design is based on the idea of dynamically partitioning space into regions that compete and grow/shrink to provide accurate aggregate sampling. Such regions hence define a sort of virtualised space that is ‘fluid’, since its structure adapts in response to pressure forces exerted by the underlying phenomenon. We provide an adaptive sampling algorithm in the field-based coordination framework, and prove it is self-stabilising and locally optimal. Finally, we verify by simulation that the proposed algorithm effectively carries out a spatially adaptive sampling while maintaining a tuneable trade-off between accuracy and efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google