Guiding drones by information gain

要約

ガス発生源の場所と排出率を正確に推定することは、環境モニタリングや温室効果ガス排出分析など、さまざまな分野にわたって重要です。
この研究では、大気測定からガスプルームのソースタームパラメータを推測するための 2 つのドローンサンプリング戦略を調査します。
どちらの戦略も、連続する場所での観測から得られる情報を最大化するという目標によって導かれます。
私たちの研究では、インフォタクシーの近視眼的なアプローチを、深層強化学習を通じて訓練された先見の明のあるナビゲーション戦略と比較しています。
非等方性ガスプルームのある環境において、深層強化学習がインフォタキシスよりも優れたパフォーマンスを示すことを実証します。

要約(オリジナル)

The accurate estimation of locations and emission rates of gas sources is crucial across various domains, including environmental monitoring and greenhouse gas emission analysis. This study investigates two drone sampling strategies for inferring source term parameters of gas plumes from atmospheric measurements. Both strategies are guided by the goal of maximizing information gain attained from observations at sequential locations. Our research compares the myopic approach of infotaxis to a far-sighted navigation strategy trained through deep reinforcement learning. We demonstrate the superior performance of deep reinforcement learning over infotaxis in environments with non-isotropic gas plumes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google