Minimalistic Collective Perception with Imperfect Sensors

要約

集団的知覚は、群ロボティクスにおける基礎的な問題であり、群体が環境の首尾一貫した表現についてコンセンサスを得る必要がある。集合的知覚の重要な変種は、ベストオブ$-n$の意思決定プロセスであり、スウォームは選択肢の集合から最も可能性の高い表現を特定しなければならない。この変種に関する過去の研究は、主に、群れが最も頻度の高い環境特徴を決定しなければならないシナリオにおいて、異なるアルゴリズムがどのように速度対精度のトレードオフをナビゲートするかを特徴付けることに重点を置いていた。重要なことは、ベストオブ$-n$の意思決定に関する過去の研究は、ロボットセンサーが完全であること（ノイズや故障がないこと）を前提としており、これらのアルゴリズムの実世界での適用性を制限していることである。本論文では、欠陥のあるセンサーを備えたミニマリスティック群ロボットのための最適な確率的フレームワークを第一原理から導出する。そして、群ロボットがある環境特徴の出現頻度を集団的に決定するシナリオにおいて、我々のアプローチを検証する。我々は、興味のあるいくつかのパラメータに関して、意思決定プロセスの速度と精度を研究する。我々のアプローチは、深刻な感覚ノイズが存在する場合でも、タイムリーで正確な周波数推定を行うことができる。

要約(オリジナル)

Collective perception is a foundational problem in swarm robotics, in which the swarm must reach consensus on a coherent representation of the environment. An important variant of collective perception casts it as a best-of-$n$ decision-making process, in which the swarm must identify the most likely representation out of a set of alternatives. Past work on this variant primarily focused on characterizing how different algorithms navigate the speed-vs-accuracy tradeoff in a scenario where the swarm must decide on the most frequent environmental feature. Crucially, past work on best-of-$n$ decision-making assumes the robot sensors to be perfect (noise- and fault-less), limiting the real-world applicability of these algorithms. In this paper, we derive from first principles an optimal, probabilistic framework for minimalistic swarm robots equipped with flawed sensors. Then, we validate our approach in a scenario where the swarm collectively decides the frequency of a certain environmental feature. We study the speed and accuracy of the decision-making process with respect to several parameters of interest. Our approach can provide timely and accurate frequency estimates even in presence of severe sensory noise.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL