Scalable Factor Graph-Based Heterogeneous Bayesian DDF for Dynamic Systems

要約

異種ベイジアン分散データフュージョンは、2 台のロボットが等しくなく重複する確率変数のセットに対して 2 つの確率密度関数を組み合わせる必要があるという一連の問題を捉えます。
これにより、マルチロボット動的システムのコンテキストでは、ロボットが「分割統治」アプローチを採用して推論し、関節状態空間全体ではなく補完的なタスクにわたってデータを共有できるようになります。
たとえば、ターゲット追跡アプリケーションでは、これによりロボットがターゲットのさまざまなサブセットを追跡し、共通のターゲットのみに関するデータを共有できるようになります。
この論文では、ロボットがローカル ファクター グラフを使用して、複雑なグローバル同時確率分布の関連する部分を表現できるフレームワークを紹介します。これにより、ロボットは、より複雑なモデル全体に​​わたる推論を回避し、通信コストと計算コストを節約できるようになります。
理論的な観点から、この論文は、異種分散融合問題をファクター グラフの観点から投影し、動的フィルタリングによって生じる課題を分析し、統計的正確性を保証する新しい保守的なフィルタリング アルゴリズムを開発することで貢献します。
実用的な観点から、このフレームワークを使用してさまざまなマルチロボット アプリケーションを表現する方法を示し、シミュレーションとハードウェア実験でテストして、その統計的な保守性、適用性、現実世界の課題に対する堅牢性を検証および実証します。

要約(オリジナル)

Heterogeneous Bayesian decentralized data fusion captures the set of problems in which two robots must combine two probability density functions over non-equal, but overlapping sets of random variables. In the context of multi-robot dynamic systems, this enables robots to take a ‘divide and conquer’ approach to reason and share data over complementary tasks instead of over the full joint state space. For example, in a target tracking application, this allows robots to track different subsets of targets and share data on only common targets. This paper presents a framework by which robots can each use a local factor graph to represent relevant partitions of a complex global joint probability distribution, thus allowing them to avoid reasoning over the entirety of a more complex model and saving communication as well as computation costs. From a theoretical point of view, this paper makes contributions by casting the heterogeneous decentralized fusion problem in terms of a factor graph, analyzing the challenges that arise due to dynamic filtering, and then developing a new conservative filtering algorithm that ensures statistical correctness. From a practical point of view, we show how this framework can be used to represent different multi-robot applications and then test it with simulations and hardware experiments to validate and demonstrate its statistical conservativeness, applicability, and robustness to real-world challenges.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google