Approximate Sequential Optimization for Informative Path Planning

要約

初期ノードと終端ノード、および最大パス長が与えられた場合に、グラフを通じて有益なパスを見つける問題を考えます。
推定したい基礎となる未知のベクトルの各ノードで、線形ノイズで破損した測定値が取得されると仮定します。
有益性は、いくつかの指標を使用して評価された推定の不確実性の減少によって測定されます。
我々は、この有益な経路計画問題に対して凸緩和を提示します。これは、可能なパフォーマンスの限界を得るために容易に解くことができます。
私たちは、動的プログラミングによってセグメントごとにパスを構築する近似逐次手法を開発します。
これには、情報提供の代理として機能するノード報酬を使用してオリエンテーリング問題を解決し、最初のステップを実行し、その後プロセスを繰り返すことが含まれます。
この方法は、非常に大きな問題インスタンスに対応し、凸緩和によって生成される限界からそれほど遠くないパフォーマンスを達成します。
また、適応目標、マルチモーダルセンシング、および有益な経路計画問題のマルチエージェントバリエーションを処理するこの方法の能力も実証します。

要約(オリジナル)

We consider the problem of finding an informative path through a graph, given initial and terminal nodes and a given maximum path length. We assume that a linear noise corrupted measurement is taken at each node of an underlying unknown vector that we wish to estimate. The informativeness is measured by the reduction in uncertainty in our estimate, evaluated using several metrics. We present a convex relaxation for this informative path planning problem, which we can readily solve to obtain a bound on the possible performance. We develop an approximate sequential method where the path is constructed segment by segment through dynamic programming. This involves solving an orienteering problem, with the node reward acting as a surrogate for informativeness, taking the first step, and then repeating the process. The method scales to very large problem instances and achieves performance not too far from the bound produced by the convex relaxation. We also demonstrate our method’s ability to handle adaptive objectives, multimodal sensing, and multi-agent variations of the informative path planning problem.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google