Spatially temporally distributed informative path planning for multi-robot systems

要約

この論文では、時空間的に分散されたマッピングにおけるモバイル ロボット センサー ネットワークの有益な経路計画の問題を調査します。
ロボットは、移動中に対象領域からノイズの多い測定値を収集して、時空間場のガウス過程 (GP) モデルを構築できます。
次に、モデルを利用して、さまざまな関心点における時空間現象を予測します。
ロボットのグループを空間的および時間的にナビゲートして、接続性を維持しながら最大の情報利得を最適に取得できるようにするために、新しく定義されたローカルコスト関数を使用する新しい多段階予測の有益な経路計画最適化戦略を提案します。
双対分解法を使用することにより、最適化問題を分散方式で効果的に解くことが実現可能かつ実用的になります。
提案された方法は、実世界のデータセットを利用した合成実験を通じて検証されました。

要約(オリジナル)

This paper investigates the problem of informative path planning for a mobile robotic sensor network in spatially temporally distributed mapping. The robots are able to gather noisy measurements from an area of interest during their movements to build a Gaussian Process (GP) model of a spatio-temporal field. The model is then utilized to predict the spatio-temporal phenomenon at different points of interest. To spatially and temporally navigate the group of robots so that they can optimally acquire maximal information gains while their connectivity is preserved, we propose a novel multistep prediction informative path planning optimization strategy employing our newly defined local cost functions. By using the dual decomposition method, it is feasible and practical to effectively solve the optimization problem in a distributed manner. The proposed method was validated through synthetic experiments utilizing real-world data sets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google