Informative path planning for scalar dynamic reconstruction using coregionalized Gaussian processes and a spatiotemporal kernel

要約

無人車両の普及により、資源監視や精密農業に応用して環境サンプリング作業を解決する多くの機会が生まれています。
インフォマティブ パス プランニング (IPP) には、観測収集の場所を提案するための従来の測量技術を改良した一連の方法が含まれています。
この研究では、共領域化されたガウス プロセスを使用して空間と時間で変化する動的スカラー場を推定することにより、IPP 問題に対する新しい解決策を提案します。
私たちの方法は、時空間相関を考慮した複合カーネルを使用することで以前のアプローチを改善し、同時に既存の IPP アルゴリズムに容易に組み込むことができます。
広範なシミュレーションを通じて、時間次元を考慮しない以前に提案された方法と比較して、新しいモデリングアプローチがより正確な推定につながることを示します。

要約(オリジナル)

The proliferation of unmanned vehicles offers many opportunities for solving environmental sampling tasks with applications in resource monitoring and precision agriculture. Informative path planning (IPP) includes a family of methods which offer improvements over traditional surveying techniques for suggesting locations for observation collection. In this work, we present a novel solution to the IPP problem by using a coregionalized Gaussian processes to estimate a dynamic scalar field that varies in space and time. Our method improves previous approaches by using a composite kernel accounting for spatiotemporal correlations and at the same time, can be readily incorporated in existing IPP algorithms. Through extensive simulations, we show that our novel modeling approach leads to more accurate estimations when compared with formerly proposed methods that do not account for the temporal dimension.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google