Continuously Optimizing Radar Placement with Model Predictive Path Integrals

要約

センサーの配置を継続的に最適化することは、さまざまな軍事および民間のアプリケーションにおける正確なターゲットのローカリゼーションに不可欠です。
情報理論はセンサーの配置を最適化する際に有望であることが示されていますが、多くの研究はセンサー測定モデルを過度に単純化したり、モバイルセンサーの動的制約を無視したりします。
これらの課題に対処するために、レーダーパラメーターとレーダーターゲット距離を組み込んだ範囲測定モデルを使用して、モデル予測パス積分（MPPI）制御と組み合わせて、複雑な環境障害と動的制約を管理します。
ターゲットの状態のキューバチャーカルマンフィルター（CKF）推定器のルート平方誤差（RMSE）に基づいて、定常レーダーまたは簡素化された範囲測定モデルに対して提案されたアプローチを比較します。
さらに、時間の経過とともにレーダーとターゲットの進化するジオメトリを視覚化し、最高の測定情報ゲインの領域を強調し、アプローチの強みを示します。
提案された戦略は、ターゲットの局在化における静止レーダーと簡素化された範囲測定モデルよりも優れており、平均RMSEの38-74％の減少を達成し、すべての時間ステップにわたって500モンテカール（MC）の90％のモンテカール（MC）トライアルの90％最高密度間隔（HDI）の上部尾の33-79％の減少を達成します。
コードは、受け入れられると公開されます。

要約(オリジナル)

Continuously optimizing sensor placement is essential for precise target localization in various military and civilian applications. While information theory has shown promise in optimizing sensor placement, many studies oversimplify sensor measurement models or neglect dynamic constraints of mobile sensors. To address these challenges, we employ a range measurement model that incorporates radar parameters and radar-target distance, coupled with Model Predictive Path Integral (MPPI) control to manage complex environmental obstacles and dynamic constraints. We compare the proposed approach against stationary radars or simplified range measurement models based on the root mean squared error (RMSE) of the Cubature Kalman Filter (CKF) estimator for the targets’ state. Additionally, we visualize the evolving geometry of radars and targets over time, highlighting areas of highest measurement information gain, demonstrating the strengths of the approach. The proposed strategy outperforms stationary radars and simplified range measurement models in target localization, achieving a 38-74% reduction in mean RMSE and a 33-79% reduction in the upper tail of the 90% Highest Density Interval (HDI) over 500 Monte Carl (MC) trials across all time steps. Code will be made publicly available upon acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google