UniSaT: Unified-Objective Belief Model and Planner to Search for and Track Multiple Objects

要約

複数の物体の自律的な探索と追跡のための経路計画は、偵察、監視、データ収集などの用途において重要な問題です。
見つかったオブジェクトの追跡を維持しながら新しいオブジェクトを検索するという本質的に競合する目的があるため、現在のアプローチのほとんどは複数の目的の計画手法に依存しており、通常はヒューリスティックまたはヒューリスティックまたは
試行錯誤。
この論文では、ランダム有限集合 (RFS) に基づく探索および追跡問題の新しい統一目的定式化である UniSaT (統合探索および追跡) を紹介します。
私たちのアプローチは、一般化ラベル付きマルチ ベルヌーイ (GLMB) フィルターを組み合わせて使用​​して、未知のオブジェクトと既知のオブジェクトをモデル化します。
目に見えないオブジェクトの場合、UniSaT はカーディナリティと空間事前分布の両方を活用し、検索空間内のオブジェクトの正確な数を事前に知らなくても動作できるようにします。
プランナーは、この統一された信念モデルの相互情報を最大化し、バランスの取れた検索と追跡動作を作成します。
シミュレートされた環境で作業を実証し、多目的手法に対する定性的な結果と定量的な改善の両方を示します。

要約(オリジナル)

Path planning for autonomous search and tracking of multiple objects is a critical problem in applications such as reconnaissance, surveillance, and data gathering. Due to the inherent competing objectives of searching for new objects while maintaining tracks for found objects, most current approaches rely on multi-objective planning methods, leaving it up to the user to tune parameters to balance between the two objectives, usually based on heuristics or trial and error. In this paper, we introduce UniSaT (Unified Search and Track), a novel unified-objective formulation for the search and track problem based on Random Finite Sets (RFS). Our approach models unknown and known objects using a combined generalized labeled multi-Bernoulli (GLMB) filter. For unseen objects, UniSaT leverages both cardinality and spatial prior distributions, allowing it to operate without prior knowledge of the exact number of objects in the search space. The planner maximizes the mutual information of this unified belief model, creating balanced search and tracking behaviors. We demonstrate our work in a simulated environment, presenting both qualitative results and quantitative improvements over a multi-objective method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google