Assignment Algorithms for Multi-Robot Multi-Target Tracking with Sufficient and Limited Sensing Capability

要約

私たちは、ターゲットを追跡するためのアクションをロボットに割り当てる問題を研究します。
目的は、ロボット チームの追跡品質を最適化することであり、これはターゲットの状態の不確実性の低減として定義できます。
具体的には、ロボットの異なる感知能力を考慮した 2 つの割り当て問題を検討します。
最初の割り当て問題では、ターゲットを追跡するには 1 台のロボットで十分です。
この目的を達成するために、ロボットとそのアクションを各ターゲットに割り当てる貪欲なアルゴリズム (アルゴリズム 1) を紹介します。
貪欲アルゴリズムには 1/2 近似限界があり、多項式時間で実行されることを証明します。
次に、ターゲットを追跡するために 2 台のロボットが必要な 2 番目の割り当て問題を検討します。
私たちは、ロボットのペアとそのアクションを各ターゲットに割り当てる、別の貪欲なアルゴリズム (アルゴリズム 2) を設計します。
貪欲なアルゴリズムが 1/3 の近似限界を達成し、多項式の実行時間が得られることを証明します。
さらに、ROS-Gazebo 環境における 2 つの貪欲アルゴリズムのパフォーマンスを示します。アルゴリズム 1 を使用して 1 つのターゲットを追跡する 1 台のロボットと、アルゴリズム 2 を使用して 1 つのターゲットを追跡する 2 台のロボットの追跡パターンが明確に観察されます。
さらに、広範な比較を行って、2 つの貪欲なアルゴリズムが最適なアルゴリズムに近く、それぞれの (1/2 および 1/3) 近似限界よりもはるかに優れたパフォーマンスを発揮することを実証しました。

要約(オリジナル)

We study the problem of assigning robots with actions to track targets. The objective is to optimize the robot team’s tracking quality which can be defined as the reduction in the uncertainty of the targets’ states. Specifically, we consider two assignment problems given the different sensing capabilities of the robots. In the first assignment problem, a single robot is sufficient to track a target. To this end, we present a greedy algorithm (Algorithm 1) that assigns a robot with its action to each target. We prove that the greedy algorithm has a 1/2 approximation bound and runs in polynomial time. Then, we study the second assignment problem where two robots are necessary to track a target. We design another greedy algorithm (Algorithm 2) that assigns a pair of robots with their actions to each target. We prove that the greedy algorithm achieves a 1/3 approximation bound and has a polynomial running time. Moreover, we illustrate the performance of the two greedy algorithms in the ROS-Gazebo environment where the tracking patterns of one robot following one target using Algorithm 1 and two robots following one target using Algorithm 2 are clearly observed. Further, we conduct extensive comparisons to demonstrate that the two greedy algorithms perform close to their optimal counterparts and much better than their respective (1/2 and 1/3) approximation bounds.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google