CARE: Confidence-rich Autonomous Robot Exploration using Bayesian Kernel Inference and Optimization

要約

本稿では、未知の複雑な環境における情報に基づく自律ロボット探査の効率向上について考察します。
まず、ガウス過程 (GP) 回帰を利用して代理モデルを学習し、クエリ制御アクションの信頼度の高い相互情報量 (CRMI) を推論します。次に、予測 CRMI 値と予測不確実性から構成される目的関数を採用して、ベイジアン最適化 (BO) を実行します。
、つまり GP ベースの BO (GPBO)。
最高の CRMI 値を持つ最良のアクション (エクスプロイテーション) と、高い予測分散を持つアクション (探索) の間のトレードオフを実現できます。
GPBO の効率をさらに向上させるために、ベイジアン カーネル推論と最適化 (BKIO) に基づいた新しい軽量の情報利得推論方法を提案し、トレーニングを必要とせずに近似対数複雑さを実現します。
BKIO は CRMI を推論し、制限付き累積リグレットを使用して BO を使用して最適なアクションを生成することもできます。これにより、はるかに高い効率で GPBO と同等の精度が保証されます。
広範な数値実験と現実世界での実験により、さまざまな構造化されていない乱雑な環境でも探査パフォーマンスを損なうことなく、提案された方法の望ましい効率が示されています。
また、オープンソースの実装コードも https://github.com/Shepherd-Gregory/BKIO-Exploration で提供しています。

要約(オリジナル)

In this paper, we consider improving the efficiency of information-based autonomous robot exploration in unknown and complex environments. We first utilize Gaussian process (GP) regression to learn a surrogate model to infer the confidence-rich mutual information (CRMI) of querying control actions, then adopt an objective function consisting of predicted CRMI values and prediction uncertainties to conduct Bayesian optimization (BO), i.e., GP-based BO (GPBO). The trade-off between the best action with the highest CRMI value (exploitation) and the action with high prediction variance (exploration) can be realized. To further improve the efficiency of GPBO, we propose a novel lightweight information gain inference method based on Bayesian kernel inference and optimization (BKIO), achieving an approximate logarithmic complexity without the need for training. BKIO can also infer the CRMI and generate the best action using BO with bounded cumulative regret, which ensures its comparable accuracy to GPBO with much higher efficiency. Extensive numerical and real-world experiments show the desired efficiency of our proposed methods without losing exploration performance in different unstructured, cluttered environments. We also provide our open-source implementation code at https://github.com/Shepherd-Gregory/BKIO-Exploration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google