Efficient Non-Myopic Layered Bayesian Optimization For Large-Scale Bathymetric Informative Path Planning

要約

深浅地図作成に適用されたインフォマティブ パス プランニング (IPP) により、AUV は特徴が豊富なエリアに集中して不確実性を迅速に低減し、地図作成の効率を向上させることができます。
ガウス プロセス (GP) マップ上のベイズ最適化 (BO) に基づく既存の手法は、小規模なシナリオではうまく機能しますが、より大きな領域をマッピングする場合は近視眼的で計算量が多く、実際のアプリケーションでの展開が妨げられます。
これを克服するために、AUV の運動制約を尊重し、位置の不確実性を考慮しながら、大規模な確率的変分 GP マップ上でツリー探索方式で非近視的なリアルタイム計画を実行する 2 層 BO IPP 手法を提案します。
私たちのフレームワークは、実際の深浅地形を超える組み込みプラットフォームでの一連のハードウェア・イン・ザ・ループ (HIL) 実験における標準的な工業用芝刈りパターンと近視眼的なベースラインを上回ります。

要約(オリジナル)

Informative path planning (IPP) applied to bathymetric mapping allows AUVs to focus on feature-rich areas to quickly reduce uncertainty and increase mapping efficiency. Existing methods based on Bayesian optimization (BO) over Gaussian Process (GP) maps work well on small scenarios but they are short-sighted and computationally heavy when mapping larger areas, hindering deployment in real applications. To overcome this, we present a 2-layered BO IPP method that performs non-myopic, real-time planning in a tree search fashion over large Stochastic Variational GP maps, while respecting the AUV motion constraints and accounting for localization uncertainty. Our framework outperforms the standard industrial lawn-mowing pattern and a myopic baseline in a set of hardware in the loop (HIL) experiments in an embedded platform over real bathymetry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google