Collective Bayesian Decision-Making in a Swarm of Miniaturized Robots for Surface Inspection

要約

ロボット群は、さまざまなセンシングおよび検査アプリケーションに効果的に対応できます。
特定の検査タスクでは、二項分類の決定が必要です。
この研究では、振動感知に基づく表面検査タスクの実験セットアップを提示し、小型車輪付きロボットの群れにおけるベイジアン 2 結果意思決定アルゴリズムを研究します。
ロボットには、振動タイルと非振動タイルで構成される 1mx1m のタイル表面を、大部分のタイルの種類に基づいて個別に検査し、集合的に分類するという使命があります。
ロボットは、搭載された IMU を使用して振動を感知し、一連の IR センサーを使用して衝突回避を実行します。
Webots ロボット シミュレーターと粒子群最適化 (PSO) メソッドを活用したシミュレーションと最適化のフレームワークを開発します。
私たちは 2 つの既存の情報共有戦略を検討し、群れが迅速に正確な分類決定を下せるようにする新しい戦略を提案します。
まずシミュレーションで効率的なサンプリングを可能にする最適なパラメータを見つけ、次に 100 回のランダム化シミュレーションと 10 回の実際の実験を使用して、提案された戦略を 2 つの既存の戦略に対して評価します。
私たちが提案した方法は、群れに高速な意思決定を強制し、精度の損失はわずか 0.78% でありながら、平均意思決定時間が最大 20.52% 向上することがわかりました。

要約(オリジナル)

Robot swarms can effectively serve a variety of sensing and inspection applications. Certain inspection tasks require a binary classification decision. This work presents an experimental setup for a surface inspection task based on vibration sensing and studies a Bayesian two-outcome decision-making algorithm in a swarm of miniaturized wheeled robots. The robots are tasked with individually inspecting and collectively classifying a 1mx1m tiled surface consisting of vibrating and non-vibrating tiles based on the majority type of tiles. The robots sense vibrations using onboard IMUs and perform collision avoidance using a set of IR sensors. We develop a simulation and optimization framework leveraging the Webots robotic simulator and a Particle Swarm Optimization (PSO) method. We consider two existing information sharing strategies and propose a new one that allows the swarm to rapidly reach accurate classification decisions. We first find optimal parameters that allow efficient sampling in simulation and then evaluate our proposed strategy against the two existing ones using 100 randomized simulation and 10 real experiments. We find that our proposed method compels the swarm to make decisions at an accelerated rate, with an improvement of up to 20.52% in mean decision time at only 0.78% loss in accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google