Robotic Exploration using Generalized Behavioral Entropy

要約

この研究は、不確実性知覚の人間モデルを活用したロボット探査のための新しい戦略を提示し、評価します。
これを行うために、行動経済学に基づいたプレレックの確率重み付けに基づいた、「行動エントロピー」と呼ぶ不確実性の尺度を導入します。
新しい演算子が許容可能な一般化エントロピーであることを示し、その理論的特性を分析し、シャノンやレンイのような他の一般的な定式化と比較します。
特に、ここで紹介した不確実性に対する感度と知覚の尺度という意味において、新しい定式化がどのようにより表現力豊かであるかについて議論します。
次に、行動エントロピーを使用して、フロンティアベースの環境探索プロセスをガイドできる新しいタイプの効用関数を定義します。
このアプローチの利点は、Clearpath Warthog ロボットを使用した概念実証および ROS ユニティ シミュレーション環境で説明および比較されます。
行動エントロピーを備えたロボットは、シャノンおよびレニーのエントロピーよりも速く探索することを示します。

要約(オリジナル)

This work presents and evaluates a novel strategy for robotic exploration that leverages human models of uncertainty perception. To do this, we introduce a measure of uncertainty that we term “Behavioral entropy”, which builds on Prelec’s probability weighting from Behavioral Economics. We show that the new operator is an admissible generalized entropy, analyze its theoretical properties and compare it with other common formulations such as Shannon’s and Renyi’s. In particular, we discuss how the new formulation is more expressive in the sense of measures of sensitivity and perceptiveness to uncertainty introduced here. Then we use Behavioral entropy to define a new type of utility function that can guide a frontier-based environment exploration process. The approach’s benefits are illustrated and compared in a Proof-of-Concept and ROS-unity simulation environment with a Clearpath Warthog robot. We show that the robot equipped with Behavioral entropy explores faster than Shannon and Renyi entropies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google