Autonomous Robotic Radio Source Localization via a Novel Gaussian Mixture Filtering Approach

要約

この研究では、未知の環境での自律的なロボット無線信号ソースの検索とローカリゼーションの問題の推定パフォーマンスを改善するために、新しいガウス混合フィルター（GMF）を提案しています。
提案されたフィルターは、最初にベンチマーク数値問題でテストされ、粒子ガウス混合物（PGM）フィルターと粒子フィルター（PF）などの他の実践的なアプローチでパフォーマンスを検証します。
次に、提案されたアプローチがテストされ、実際のロボットフィールド実験でPFおよびPGMフィルターに対して比較され、実際のロボットアプリケーションへの影響を検証します。
考慮された現実世界のシナリオは、範囲のみの測定値と測定モデルでの不確実性で部分的に観察されます。
結果は、提案されたフィルターがPFと比較して改善されたパフォーマンスを示す一方で、この部分的な観測可能性を効果的に処理できることを示しており、比較技術よりも堅牢性が改善されたことを示しながら、計算要件を減らします。

要約(オリジナル)

This study proposes a new Gaussian Mixture Filter (GMF) to improve the estimation performance for the autonomous robotic radio signal source search and localization problem in unknown environments. The proposed filter is first tested with a benchmark numerical problem to validate the performance with other state-of-practice approaches such as Particle Gaussian Mixture (PGM) filters and Particle Filter (PF). Then the proposed approach is tested and compared against PF and PGM filters in real-world robotic field experiments to validate its impact for real-world robotic applications. The considered real-world scenarios have partial observability with the range-only measurement and uncertainty with the measurement model. The results show that the proposed filter can handle this partial observability effectively whilst showing improved performance compared to PF, reducing the computation requirements while demonstrating improved robustness over compared techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google