Inspection planning under execution uncertainty

要約

自律的な検査タスクには、対象地点 (POI) からの観察結果を効率的に収集するための効果的な経路計画メカニズムが必要です。
ただし、都市環境でよく発生する位置特定エラーは実行の不確実性をもたらし、そのようなタスクを正常に完了するのに課題を引き起こす可能性があります。
これらの課題に取り組むために、我々は、増分ランダム検査ロードマップ検索 (IRIS) アルゴリズムの拡張である、A* ベースのアプローチを通じてオフライン計画の問題に対処する不確実性の下の IRIS (IRIS-U^2) を提案します。
計画プロセスはオンライン実行の前に行われます。
IRIS-U^2 の背後にある重要な洞察は、モンテカルロ (MC) サンプリングを通じて取得された、計算された位置の不確実性を POI 確率に変換することです。
IRIS-U^2 は、予想されるカバレッジ、予想されるパス長、および衝突確率の信頼区間 (CI) を提供することで、実行タスクの予想されるパフォーマンスに関する洞察を提供します。CI は、MC サンプルの数が増加するにつれて徐々に狭くなります。
IRIS-U^2の有効性は、橋梁の構造検査に焦点を当てた事例研究を通じて実証されています。
私たちのアプローチでは、期待されるカバレッジが向上し、衝突確率が減少し、MC サンプルの数が増えるにつれて精度の高い CI が得られます。
さらに、同じ CI 境界を維持しながら計算時間を短縮するために、制限された準最適解を計算することの潜在的な利点を強調します。

要約(オリジナル)

Autonomous inspection tasks necessitate effective path-planning mechanisms to efficiently gather observations from points of interest (POI). However, localization errors commonly encountered in urban environments can introduce execution uncertainty, posing challenges to the successful completion of such tasks. To tackle these challenges, we present IRIS-under uncertainty (IRIS-U^2), an extension of the incremental random inspection-roadmap search (IRIS) algorithm, that addresses the offline planning problem via an A*-based approach, where the planning process occurs prior the online execution. The key insight behind IRIS-U^2 is transforming the computed localization uncertainty, obtained through Monte Carlo (MC) sampling, into a POI probability. IRIS-U^2 offers insights into the expected performance of the execution task by providing confidence intervals (CI) for the expected coverage, expected path length, and collision probability, which becomes progressively tighter as the number of MC samples increase. The efficacy of IRIS-U^2 is demonstrated through a case study focusing on structural inspections of bridges. Our approach exhibits improved expected coverage, reduced collision probability, and yields increasingly-precise CIs as the number of MC samples grows. Furthermore, we emphasize the potential advantages of computing bounded sub-optimal solutions to reduce computation time while still maintaining the same CI boundaries.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google