Robotic Sensor Network: Achieving Mutual Communication Control Assistance With Fast Cross-Layer Optimization

要約

ロボット センサー ネットワーク (RSN) は、モバイル ロボットを採用したリモート センサーからデータを収集する新たなパラダイムです。
ただし、RSN の通信機能と制御機能は相互依存しており、通信と制御の間の一方向の影響にのみ基づいてロボットの軌道を計画するため、既存のアプローチは非効率的になります。
この論文は、運動支援通信と通信支援衝突回避を絡み合った最適化にモデル予測通信制御 (MPC2) 設計を活用する相互通信制御支援 (MCCA) の概念を提案します。
MPC2 問題は、センサーの電力とロボットの動作の層間変数を共同で最適化し、最適化、強力な二重性、およびクロスホライズンのマイナー化の最大化をリアルタイムで交互に行うことによって解決されます。
このアプローチは、オフラインで実行不可能な軌道を計算する従来の通信制御共同設計手法とは対照的です。
高忠実度 RSN シミュレータでの実験により、提案された MCCA が通信効率とナビゲーション時間の点でさまざまなベンチマークを上回ることが実証されました。

要約(オリジナル)

Robotic sensor network (RSN) is an emerging paradigm that harvests data from remote sensors adopting mobile robots. However, communication and control functionalities in RSNs are interdependent, for which existing approaches become inefficient, as they plan robot trajectories merely based on unidirectional impact between communication and control. This paper proposes the concept of mutual communication control assistance (MCCA), which leverages a model predictive communication and control (MPC2) design for intertwined optimization of motion-assisted communication and communication-assisted collision avoidance. The MPC2 problem jointly optimizes the cross-layer variables of sensor powers and robot actions, and is solved by alternating optimization, strong duality, and cross-horizon minorization maximization in real time. This approach contrasts with conventional communication control co-design methods that calculate an offline non-executable trajectory. Experiments in a high-fidelity RSN simulator demonstrate that the proposed MCCA outperforms various benchmarks in terms of communication efficiency and navigation time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google