要約
協調的なオンライン スカラー フィールド マッピングは、マルチロボット システムにとって重要なタスクです。
ガウス過程回帰は、信頼区間を使用して空間情報を表すマップを構築するために広く使用されています。
ただし、計算コストと通信コストが高いため、協調的なオンライン マッピング タスクを処理するのは困難です。
このレターでは、分散スパース ガウス過程回帰によるリソース効率の高い協調オンライン フィールド マッピング方法を提案します。
ロボットが協力して評価し、計算量を削減するのに十分な全体的有用性のある観測値を見つけられるようにする、新しい分散型オンライン ガウス プロセス評価方法が開発されました。
分散集約結果の有限誤差は理論的に保証されており、提案されたアルゴリズムのパフォーマンスは実際のオンライン ライト フィールド マッピング実験によって検証されます。
要約(オリジナル)
Cooperative online scalar field mapping is an important task for multi-robot systems. Gaussian process regression is widely used to construct a map that represents spatial information with confidence intervals. However, it is difficult to handle cooperative online mapping tasks because of its high computation and communication costs. This letter proposes a resource-efficient cooperative online field mapping method via distributed sparse Gaussian process regression. A novel distributed online Gaussian process evaluation method is developed such that robots can cooperatively evaluate and find observations of sufficient global utility to reduce computation. The bounded errors of distributed aggregation results are guaranteed theoretically, and the performances of the proposed algorithms are validated by real online light field mapping experiments.
arxiv情報
| 著者 | Tianyi Ding,Ronghao Zheng,Senlin Zhang,Meiqin Liu |
| 発行日 | 2024-01-23 02:30:43+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google