要約
マルチロボットの情報経路計画では、チーム内の各ロボットが、未知のスカラー場を再構築するために最も有用なデータを提供できる一連の場所を訪れるルートを見つけることが問題となります。
予算付きバージョンでは、各ロボットは移動できる距離を制限する移動予算の対象となります。
この問題に対する私たちの関心は、ロボットを使用して測定値を収集し、土壌水分や硝酸塩濃度などのドメイン関連のスカラーパラメータを推定する精密農業への応用によって動機付けられています。
この論文では、モンテカルロ木探索 (MCTS) に基づくオンライン分散マルチロボット サンプリング アルゴリズムを提案します。このアルゴリズムでは、各ロボットが他のロボットとの通信を通じて、残りの予算を考慮して次のサンプリング場所を繰り返し選択します。
さまざまなチーム規模およびさまざまな環境で提案した方法を評価し、ソリューションを 4 つの異なるベースライン方法と比較します。
私たちの実験では、予算が限られている場合でも、再構成エラーが小さくなる測定値を収集することで、ソリューションがベースラインよりも優れたパフォーマンスを発揮することを示しています。
要約(オリジナル)
In multi-robot informative path planning the problem is to find a route for each robot in a team to visit a set of locations that can provide the most useful data to reconstruct an unknown scalar field. In the budgeted version, each robot is subject to a travel budget limiting the distance it can travel. Our interest in this problem is motivated by applications in precision agriculture, where robots are used to collect measurements to estimate domain-relevant scalar parameters such as soil moisture or nitrates concentrations. In this paper, we propose an online, distributed multi-robot sampling algorithm based on Monte Carlo Tree Search (MCTS) where each robot iteratively selects the next sampling location through communication with other robots and considering its remaining budget. We evaluate our proposed method for varying team sizes and in different environments, and we compare our solution with four different baseline methods. Our experiments show that our solution outperforms the baselines when the budget is tight by collecting measurements leading to smaller reconstruction errors.
arxiv情報
| 著者 | Azin Shamshirgaran,Sandeep Manjanna,Stefano Carpin |
| 発行日 | 2024-07-26 06:51:28+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google