Policy Learning for Active Target Tracking over Continuous SE(3) Trajectories

要約

この論文では、視野が限られたオンボードセンサーを備えた移動ロボットを使用して動的ターゲットを追跡するための、新しいモデルベースのポリシー勾配アルゴリズムを提案します。
課題は、ターゲット分布エントロピーによって測定されるターゲット状態の不確実性を低減するセンサー測定値を収集するために、移動ロボットの継続的な制御ポリシーを取得することです。
可変数のターゲットを処理するために、ロボット $SE(3)$ ポーズと、入力および注目層としての共同ターゲット分布の平均ベクトルと情報行列を使用して、ニューラル ネットワーク制御ポリシーを設計します。
また、ネットワーク パラメーターに関するターゲット エントロピーの勾配を明示的に導出し、効率的なモデルベースのポリシー勾配の最適化を可能にします。

要約(オリジナル)

This paper proposes a novel model-based policy gradient algorithm for tracking dynamic targets using a mobile robot, equipped with an onboard sensor with limited field of view. The task is to obtain a continuous control policy for the mobile robot to collect sensor measurements that reduce uncertainty in the target states, measured by the target distribution entropy. We design a neural network control policy with the robot $SE(3)$ pose and the mean vector and information matrix of the joint target distribution as inputs and attention layers to handle variable numbers of targets. We also derive the gradient of the target entropy with respect to the network parameters explicitly, allowing efficient model-based policy gradient optimization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google