Multi-Agent Clarity-Aware Dynamic Coverage with Gaussian Processes

要約

この論文では、時空間環境におけるマルチエージェントの動的カバレッジのための 2 つのアルゴリズムを紹介します。カバレッジ アルゴリズムはデータ同化の方法によって情報が提供されます。
特に、情報同化アルゴリズム (ここでは数値ガウス過程カルマン フィルター) を考慮することによって、ある位置で取得された測定値が別の位置での推定値の不確実性に及ぼす影響を計算できることを示します。
この関係を利用して、新しいカバレッジ アルゴリズムを提案します。
さらに、コントローラーが自然にマルチエージェントのコンテキストに拡張され、マルチエージェントをカバーする分散制御中央情報パラダイムが可能になることを示します。
最後に、オーストリアのある地域で風力データを収集する UAV チームの現実的なシミュレーションを通じてアルゴリズムを実証します。

要約(オリジナル)

This paper presents two algorithms for multi-agent dynamic coverage in spatiotemporal environments, where the coverage algorithms are informed by the method of data assimilation. In particular, we show that by considering the information assimilation algorithm, here a Numerical Gaussian Process Kalman Filter, the influence of measurements taken at one position on the uncertainty of the estimate at another location can be computed. We use this relationship to propose new coverage algorithms. Furthermore, we show that the controllers naturally extend to the multi-agent context, allowing for a distributed-control central-information paradigm for multi-agent coverage. Finally, we demonstrate the algorithms through a realistic simulation of a team of UAVs collecting wind data over a region in Austria.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google