Never too Cocky to Cooperate: An FIM and RL-based USV-AUV Collaborative System for Underwater Tasks in Extreme Sea Conditions

要約

このホワイトペーパーでは、極端な海の状態で水中タスクのパフォーマンスを向上させるように設計された、新しい無人の表面車両（USV）自動自動水中車両（AUV）共同システムを開発します。
このシステムは、Fisher Information Matrix-Optimized USV Path Planningによって有効にされる高精度のマルチAUVローカリゼーション、および（2）マルチAUVタスク実行のための補強学習ベースの協同組合計画および制御方法を統合します。
水中データ収集タスクにおける広範な実験的評価は、システムの運用可能性を実証し、定量的な結果がベースライン方法よりも大幅なパフォーマンスの改善を示しています。
提案されたシステムは、極端な海の状態で安定性を維持しながら、USVとAUVの間に堅牢な調整機能を示します。
再現性とコミュニティの進歩を促進するために、https：//github.com/360zmem/usv-auv-colabで利用できるオープンソースシミュレーションツールキットを提供します。

要約(オリジナル)

This paper develops a novel unmanned surface vehicle (USV)-autonomous underwater vehicle (AUV) collaborative system designed to enhance underwater task performance in extreme sea conditions. The system integrates a dual strategy: (1) high-precision multi-AUV localization enabled by Fisher information matrix-optimized USV path planning, and (2) reinforcement learning-based cooperative planning and control method for multi-AUV task execution. Extensive experimental evaluations in the underwater data collection task demonstrate the system’s operational feasibility, with quantitative results showing significant performance improvements over baseline methods. The proposed system exhibits robust coordination capabilities between USV and AUVs while maintaining stability in extreme sea conditions. To facilitate reproducibility and community advancement, we provide an open-source simulation toolkit available at: https://github.com/360ZMEM/USV-AUV-colab .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google