Exact and Approximate Heterogeneous Bayesian Decentralized Data Fusion

要約

ベイジアンのピアツーピア分散データ融合では、自律エージェントによってローカルに保持される基礎となる分布は、同じ変数セット (同種) 上にあると想定されることがよくあります。
これには、各エージェントが完全なグローバル共同配布を処理して通信する必要があるため、特定のローカル目的との関連性に関係なく、高い計算コストと通信コストが発生します。
この研究では、異種分散融合問題を定式化し、研究します。この問題は、通信された分布または処理された分布のいずれかが、より大きな完全なグローバル ジョイント状態のサブセットである、異なるが重複しているランダムな対象状態を記述する一連の問題として定義されます。
我々は、このような問題の条件付き独立構造を利用し、条件付きで因数分解された新しい正確かつ近似的な異種融合ルールの厳密な導出を提供します。
さらに、動的問題におけるシナリオの平滑化とフィルタリングのための保守的な異種融合を可能にする、同種チャネル フィルター アルゴリズムの新しいバージョンを開発しました。
数値例では、異種チャネル フィルター融合により $99.5\%$ 以上の通信削減の可能性が示されており、マルチターゲット追跡シミュレーションでは、これらの方法が計算上のスケーラビリティを維持しながら一貫した推定値を提供することが示されています。

要約(オリジナル)

In Bayesian peer-to-peer decentralized data fusion, the underlying distributions held locally by autonomous agents are frequently assumed to be over the same set of variables (homogeneous). This requires each agent to process and communicate the full global joint distribution, and thus leads to high computation and communication costs irrespective of relevancy to specific local objectives. This work formulates and studies heterogeneous decentralized fusion problems, defined as the set of problems in which either the communicated or the processed distributions describe different, but overlapping, random states of interest that are subsets of a larger full global joint state. We exploit the conditional independence structure of such problems and provide a rigorous derivation of novel exact and approximate conditionally factorized heterogeneous fusion rules. We further develop a new version of the homogeneous Channel Filter algorithm to enable conservative heterogeneous fusion for smoothing and filtering scenarios in dynamic problems. Numerical examples show more than $99.5\%$ potential communication reduction for heterogeneous channel filter fusion, and a multi-target tracking simulation shows that these methods provide consistent estimates while remaining computationally scalable.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google