ISEE.U: Distributed online active target localization with unpredictable targets

要約

この論文では、各ノードでの分散型のシンプルかつ高速な計算によって定義されたオンライン アクティブ ラーニング アルゴリズムを使用してターゲットの位置特定に取り組みます。調整するパラメーターはなく、各エージェントでのターゲット位置の推定値は、集中型の最大尤度を期待して漸近的に等しくなります。
推定者。
ISEE.U は、各エージェントでノイズの多い距離を測定し、位置特定の精度を最大化する制御を見つけます。
特定のターゲットのダイナミクスを想定していないため、予測不可能なターゲットに直面した場合でも、この手法は堅牢です。
各エージェントは、フィッシャー情報行列の局所推定を介して全体的なターゲット位置精度を最大化する制御を計算します。
私たちは、提案された方法を、ターゲットの動きが規定の軌道に従わない場合に、提案された方法を上回るパフォーマンスを示し、私たちの方法が 1 つの中央 CPU で実行されている場合でも、計算時間を 100 分の 1 に短縮した最先端のアルゴリズムと比較しました。

要約(オリジナル)

This paper addresses target localization with an online active learning algorithm defined by distributed, simple and fast computations at each node, with no parameters to tune and where the estimate of the target position at each agent is asymptotically equal in expectation to the centralized maximum-likelihood estimator. ISEE.U takes noisy distances at each agent and finds a control that maximizes localization accuracy. We do not assume specific target dynamics and, thus, our method is robust when facing unpredictable targets. Each agent computes the control that maximizes overall target position accuracy via a local estimate of the Fisher Information Matrix. We compared the proposed method with a state of the art algorithm outperforming it when the target movements do not follow a prescribed trajectory, with x100 less computation time, even when our method is running in one central CPU.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google