Space-Fluid Adaptive Sampling by Self-Organisation

要約

調整されたシステムで繰り返されるタスクは、分散した感知データや計算結果など、空間内で変化する信号を管理 (推定、予測、または制御) することです。
特に大規模な設定では、この問題は分散型の複数のコンピューティング システムを通じて対処できます。ノードはローカルで信号を感知、処理、および動作し、近隣ノードと調整して集団戦略を実装できます。
したがって、この研究では、協調的な適応サンプリングを通じて空間現象を推定するための分散調整戦略を考案します。
私たちの設計は、正確な集約サンプリングを提供するために、空間を領域に動的に分割し、競合して拡大/縮小するという考えに基づいています。
したがって、そのような領域は、その構造が根底にある現象によって及ぼされる圧力に応じて適応するため、「流体」である一種の仮想化空間を定義します。
フィールドベースの調整フレームワークで適応サンプリング アルゴリズムを提供し、それが自己安定性と局所的に最適であることを証明します。
最後に、提案されたアルゴリズムが精度と効率の間の調整可能なトレードオフを維持しながら、空間適応サンプリングを効果的に実行することをシミュレーションによって検証します。

要約(オリジナル)

A recurrent task in coordinated systems is managing (estimating, predicting, or controlling) signals that vary in space, such as distributed sensed data or computation outcomes. Especially in large-scale settings, the problem can be addressed through decentralised and situated computing systems: nodes can locally sense, process, and act upon signals, and coordinate with neighbours to implement collective strategies. Accordingly, in this work we devise distributed coordination strategies for the estimation of a spatial phenomenon through collaborative adaptive sampling. Our design is based on the idea of dynamically partitioning space into regions that compete and grow/shrink to provide accurate aggregate sampling. Such regions hence define a sort of virtualised space that is ‘fluid’, since its structure adapts in response to pressure forces exerted by the underlying phenomenon. We provide an adaptive sampling algorithm in the field-based coordination framework, and prove it is self-stabilising and locally optimal. Finally, we verify by simulation that the proposed algorithm effectively carries out a spatially adaptive sampling while maintaining a tuneable trade-off between accuracy and efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google