Distributed Multi-robot Source Seeking in Unknown Environments with Unknown Number of Sources

要約

ソースの数が不明であり、ロボットの数を超える潜在的なシナリオでマルチロボットシステム用に設計された新しい分散型ソースシークフレームワークDIASを導入します。
通常、各ロボットを特定の強力なソースに誘導することに焦点を当てた従来のロボットソース探索方法は、すべての潜在的なソースを包括的に識別することに不足する可能性があります。
DIASは、ソースの存在を識別するハイブリッドコントローラーを導入し、データ収集の探索と特定されたソースへのガイドロボットの搾取を交互に導入することにより、このギャップに対処します。
さらに、環境をボロノイ細胞に分割し、ガウスプロセス回帰に基づいてソース密度関数に近似することにより、検索効率を高めます。
さらに、DIAは既存のソースシークアルゴリズムと統合できます。
DIAを既存のアルゴリズムと比較します。これには、ソースの数が上回るか、ロボットの数に等しいシミュレートされたガス漏れシナリオのDOSSやGMEを含みます。
数値結果は、DIASがロボットによるソース識別の効率と推定環境密度関数の精度の両方のベースラインメソッドを上回ることを示しています。

要約(オリジナル)

We introduce a novel distributed source seeking framework, DIAS, designed for multi-robot systems in scenarios where the number of sources is unknown and potentially exceeds the number of robots. Traditional robotic source seeking methods typically focused on directing each robot to a specific strong source and may fall short in comprehensively identifying all potential sources. DIAS addresses this gap by introducing a hybrid controller that identifies the presence of sources and then alternates between exploration for data gathering and exploitation for guiding robots to identified sources. It further enhances search efficiency by dividing the environment into Voronoi cells and approximating source density functions based on Gaussian process regression. Additionally, DIAS can be integrated with existing source seeking algorithms. We compare DIAS with existing algorithms, including DoSS and GMES in simulated gas leakage scenarios where the number of sources outnumbers or is equal to the number of robots. The numerical results show that DIAS outperforms the baseline methods in both the efficiency of source identification by the robots and the accuracy of the estimated environmental density function.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google