Multi-Robot Informative Path Planning from Regression with Sparse Gaussian Processes (with Appendix)

要約

この文書では、環境モニタリングのためのマルチロボット情報経路計画 (IPP) について説明します。
この問題には、環境に関する最大限の情報を収集するためにロボットが訪問する必要がある環境内の情報領域を決定することが含まれます。
勾配降下法を使用して連続環境でパスを最適化する、効率的なスパース ガウス プロセス ベースのアプローチを提案します。
私たちのアプローチは、空間的および時空間的に相関する環境の両方に効率的に拡張できます。
さらに、私たちのアプローチは、距離の予算やロボットの速度と加速度の制限などのルーティングの制約を考慮しながら、同時に情報経路を最適化することができます。
私たちのアプローチは、離散型と連続型の両方の感知ロボット、点と非点の視野感知形状を備えた IPP、および単一ロボットとマルチロボットの両方の IPP に使用できます。
提案されたアプローチが現実世界のデータに対して高速かつ正確であることを実証します。

要約(オリジナル)

This paper addresses multi-robot informative path planning (IPP) for environmental monitoring. The problem involves determining informative regions in the environment that should be visited by robots to gather the most information about the environment. We propose an efficient sparse Gaussian process-based approach that uses gradient descent to optimize paths in continuous environments. Our approach efficiently scales to both spatially and spatio-temporally correlated environments. Moreover, our approach can simultaneously optimize the informative paths while accounting for routing constraints, such as a distance budget and limits on the robot’s velocity and acceleration. Our approach can be used for IPP with both discrete and continuous sensing robots, with point and non-point field-of-view sensing shapes, and for both single and multi-robot IPP. We demonstrate that the proposed approach is fast and accurate on real-world data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google