A Survey of Decision-Theoretic Approaches for Robotic Environmental Monitoring

要約

ロボット工学により、環境に関するデータを収集する能力が劇的に向上し、ロボット工学とアルゴリズムのコミュニティが協力して環境監視の問題に対する新しい解決策を開発する機会が生まれました。
この領域の問題と方法の分類を理解するために、さまざまな環境プロセスの効率的なサンプリングを可能にする決定理論的アプローチの最初の包括的な調査を紹介します。
さまざまな環境の表現を調査し、その後、これらのプレゼンテーションを使用して、学習、ローカリゼーション、監視などの関心のあるタスクを解決する方法について説明します。
タスクを効率的に実装するために、決定理論的最適化アルゴリズムは次のことを考慮します: (1) どこから測定を取得するか、(2) どのタスクを割り当てるか、(3) どのサンプルを収集するか、(4) いつサンプルを収集するか、(5)
環境を学ぶ方法。
(6) 誰に連絡するか。
最後に、私たちの研究を要約し、ロボットによる環境モニタリングにおける課題と機会を紹介します。

要約(オリジナル)

Robotics has dramatically increased our ability to gather data about our environments, creating an opportunity for the robotics and algorithms communities to collaborate on novel solutions to environmental monitoring problems. To understand a taxonomy of problems and methods in this realm, we present the first comprehensive survey of decision-theoretic approaches that enable efficient sampling of various environmental processes. We investigate representations for different environments, followed by a discussion of using these presentations to solve tasks of interest, such as learning, localization, and monitoring. To efficiently implement the tasks, decision-theoretic optimization algorithms consider: (1) where to take measurements from, (2) which tasks to be assigned, (3) what samples to collect, (4) when to collect samples, (5) how to learn environment; and (6) who to communicate. Finally, we summarize our study and present the challenges and opportunities in robotic environmental monitoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google