A Distributed Multi-Robot Framework for Exploration, Information Acquisition and Consensus

要約

複雑なタスクを実行するロボットチームの分散協調は、定式化するのが難しい。障害物回避のための局所計画、大域的な目標調整、協調マッピングなど、完全なタスクの異なる側面は、しばしば別々に解決される。本論文では、ロボットチームが広い空間を探索する際の分散情報取得の応用例を用いて、問題全体を、それぞれの側面を表す複数の連結層を持つ単一因子グラフとして定式化できることを示す。推論メカニズムとしてガウス信念伝搬(GBP)を用い、並列計算、オンデマンド計算、非同期計算が可能であり、異なるアスペクトが重要であったり重要でなかったりする場合に効率的である。これは、分散GBPマルチロボットソルバーが、ロボットを個々の利己的な目標に導くだけでなく、インテリジェントな協調行動を可能にすることが証明された初めての例である。https://aalpatya.github.io/gbpstack でデモをご覧いただきたい。

要約(オリジナル)

The distributed coordination of robot teams performing complex tasks is challenging to formulate. The different aspects of a complete task such as local planning for obstacle avoidance, global goal coordination and collaborative mapping are often solved separately, when clearly each of these should influence the others for the most efficient behaviour. In this paper we use the example application of distributed information acquisition as a robot team explores a large space to show that we can formulate the whole problem as a single factor graph with multiple connected layers representing each aspect. We use Gaussian Belief Propagation (GBP) as the inference mechanism, which permits parallel, on-demand or asynchronous computation for efficiency when different aspects are more or less important. This is the first time that a distributed GBP multi-robot solver has been proven to enable intelligent collaborative behaviour rather than just guiding robots to individual, selfish goals. We encourage the reader to view our demos at https://aalpatya.github.io/gbpstack

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL