Reducing Network Load via Message Utility Estimation for Decentralized Multirobot Teams

要約

私たちは、湖の藻類濃度の分位値推定と、分散型マルチロボット チームがこの問題に効果的に取り組む方法に意欲を持っています。
マルチロボット チームは単一のロボットよりもこのタスクのパフォーマンスが向上し、コミュニケーションが可能なチームはコミュニケーションのないチームよりもさらにパフォーマンスが向上することがわかりました。
ただし、実際のロボットはリソースに制約があり、通信ネットワークは任意のメッセージ負荷をサポートできないため、単純で継続的な情報共有だけでなく、複雑なモデリングや意思決定も実行できません。
これを念頭に置いて、特定のメッセージを他のチームメンバーに送信する有用性を判断するためのオンラインでローカルに計算可能な指標と、メンテナンスのための分散型で独立したフレームワークを使用して、最も有用なメッセージのみを送信することを選択する決定理論的アプローチを提案します。
他のチームメイトの信念。
私たちは、現実世界の水生データセットのシミュレーションでアプローチを検証し、将来のチームメイトの行動に対するメッセージの予想される影響に基づいてユーティリティ推定方法を介して通信を制限すると、ネットワーク負荷が 42% 減少し、同時に分位数も減少することを示しました。
推定誤差は 1.84% です。

要約(オリジナル)

We are motivated by quantile estimation of algae concentration in lakes and how decentralized multirobot teams can effectively tackle this problem. We find that multirobot teams improve performance in this task over single robots, and communication-enabled teams further over communication-deprived teams; however, real robots are resource-constrained, and communication networks cannot support arbitrary message loads, making naive, constant information-sharing but also complex modeling and decision-making infeasible. With this in mind, we propose online, locally computable metrics for determining the utility of transmitting a given message to the other team members and a decision-theoretic approach that chooses to transmit only the most useful messages, using a decentralized and independent framework for maintaining beliefs of other teammates. We validate our approach in simulation on a real-world aquatic dataset, and we show that restricting communication via a utility estimation method based on the expected impact of a message on future teammate behavior results in a 42% decrease in network load while simultaneously decreasing quantile estimation error by 1.84%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google