Multi-Robot Planning for Filming Groups of Moving Actors Leveraging Submodularity and Pixel Density

要約

移動するアクターのグループを空中ロボットチームで観察・撮影することは、マルチロボットのコーディネーション、カバレージ、ビュープランニングの要素を組み合わせた難しい問題である。1台のカメラで複数のアクターを同時に観察することもあれば、ロボットチームが複数のビューから個々のアクターを観察することもあります。アクターが移動すると、グループは分裂、合併、再編成する可能性があり、これらのアクターを撮影するロボットは、アクターのフォーメーションのそのような変化にスムーズに適応できなければなりません。明示的なフォーメーションや割り当てに基づくアプローチを採用するのではなく、ビューを直接最適化することに基づくアプローチを提案します。我々はアクタを動く多面体としてモデル化し、各顔とカメラビューの近似ピクセル密度を計算する。そして、繰り返し観察することでピクセル密度が増加するにつれて収穫逓増を示す目的を提案する。これは、値の反復と貪欲な劣モジュラ最大化の組み合わせによって解く、マルチロボットの知覚計画問題を生じさせる。我々は、個々のロボットのビューを最適化するための値の反復と、チームを調整するための逐次的な劣モジュラ最大化手法の組合せを用いる。我々は、様々な種類の社会的行動をモデル化し、様々な数のロボットとアクターを特徴とする困難なシナリオで我々のアプローチを評価し、ロボットの割り当てとフォーメーションがアクターのグループの動きに基づいて暗黙的に生じることを観察する。シミュレーションの結果は、我々のアプローチが一貫してベースラインよりも優れていることを示し、プランナーによるピクセル密度の近似で良好な性能を示すことに加えて、我々のアプローチはレンダリングされたビューに基づく評価でも同等の性能を示す。全体として、我々が提案する逐次プランナの多ラウンド変形は、我々が考察した全てのシナリオにおいて、フォーメーションと割り当てのベースラインを満たす（1%以内）か上回る。

要約(オリジナル)

Observing and filming a group of moving actors with a team of aerial robots is a challenging problem that combines elements of multi-robot coordination, coverage, and view planning. A single camera may observe multiple actors at once, and the robot team may observe individual actors from multiple views. As actors move about, groups may split, merge, and reform, and robots filming these actors should be able to adapt smoothly to such changes in actor formations. Rather than adopt an approach based on explicit formations or assignments, we propose an approach based on optimizing views directly. We model actors as moving polyhedra and compute approximate pixel densities for each face and camera view. Then, we propose an objective that exhibits diminishing returns as pixel densities increase from repeated observation. This gives rise to a multi-robot perception planning problem which we solve via a combination of value iteration and greedy submodular maximization. %using a combination of value iteration to optimize views for individual robots and sequential submodular maximization methods to coordinate the team. We evaluate our approach on challenging scenarios modeled after various kinds of social behaviors and featuring different numbers of robots and actors and observe that robot assignments and formations arise implicitly based on the movements of groups of actors. Simulation results demonstrate that our approach consistently outperforms baselines, and in addition to performing well with the planner’s approximation of pixel densities our approach also performs comparably for evaluation based on rendered views. Overall, the multi-round variant of the sequential planner we propose meets (within 1%) or exceeds the formation and assignment baselines in all scenarios we consider.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL