Distributed Optimization in Sensor Network for Scalable Multi-Robot Relative State Estimation

要約

この論文は、ロボット間のユークリッド距離測定を使用してスケーラブルな相対状態推定を実現することに専念しています。
ロボットに距離センサーを装備することを検討し、この設定における相対状態推定の根底にある最適化問題に焦点を当てます。
この問題とセンサーネットワークの座標実現問題との共通点を明らかにします。
この洞察に基づいて、ロボット間の相対的な状態を推測するための効果的な制約のない最適化モデルを提案します。
このモデルを分散的に処理するために、古典的なブロック座標降下法をバックボーンとする効率的でスケーラブルな最適化アルゴリズムを提案します。
このアルゴリズムは、収束を保証しながら、閉形式のソリューションを使用して各ブロック更新サブ問題を正確に解決します。
私たちの結果は、大規模なマルチロボットシステムにおける距離測定に基づく相対状態推定への道を開きます。

要約(オリジナル)

This paper is dedicated to achieving scalable relative state estimation using inter-robot Euclidean distance measurements. We consider equipping robots with distance sensors and focus on the optimization problem underlying relative state estimation in this setup. We reveal the commonality between this problem and the coordinates realization problem of a sensor network. Based on this insight, we propose an effective unconstrained optimization model to infer the relative states among robots. To work on this model in a distributed manner, we propose an efficient and scalable optimization algorithm with the classical block coordinate descent method as its backbone. This algorithm exactly solves each block update subproblem with a closed-form solution while ensuring convergence. Our results pave the way for distance measurements-based relative state estimation in large-scale multi-robot systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google