Inspection planning under execution uncertainty

要約

自律的な検査タスクには、対象地点 (POI) からの観察結果を効率的に収集するための経路計画アルゴリズムが必要です。
ただし、都市環境でよく発生する位置特定エラーは実行の不確実性をもたらし、そのようなタスクを正常に完了するのに課題を引き起こす可能性があります。
残念ながら、検査計画のための既存のアルゴリズムは、実行の不確実性を明示的に考慮していないため、パフォーマンスが妨げられる可能性があります。
このギャップを埋めるために、カバレッジ、経路長、および衝突確率に関する統計的保証を提供する初の検査計画アルゴリズムである IRIS-under UNCORETY (IRIS-U^2) を紹介します。
当社のアプローチは、IRIS (非常に効率的で漸近的に最適であることが証明されている決定論的な検査計画のフレームワーク) に基づいて構築されています。
より複雑な不確実な設定への拡張は、モンテカルロ (MC) サンプリングを使用して POI カバレッジ確率を推定する洗練された検索手順によって実現されます。
IRIS-U^2の有効性は、橋梁の構造検査に焦点を当てた事例研究を通じて実証されています。
私たちのアプローチは、MC サンプルの数が増加するにつれて、期待されるカバレッジが向上し、衝突確率が減少し、より正確な統計的保証をもたらします。
さらに、統計的保証を維持しながら計算時間を短縮するための、有界準最適解を計算することの潜在的な利点を実証します。

要約(オリジナル)

Autonomous inspection tasks necessitate path-planning algorithms to efficiently gather observations from points of interest (POI). However, localization errors commonly encountered in urban environments can introduce execution uncertainty, posing challenges to successfully completing such tasks. Unfortunately, existing algorithms for inspection planning do not explicitly account for execution uncertainty, which can hinder their performance. To bridge this gap, we present IRIS-under uncertainty (IRIS-U^2), the first inspection-planning algorithm that offers statistical guarantees regarding coverage, path length, and collision probability. Our approach builds upon IRIS — our framework for deterministic inspection planning, which is highly efficient and provably asymptotically-optimal. The extension to the much more involved uncertain setting is achieved by a refined search procedure that estimates POI coverage probabilities using Monte Carlo (MC) sampling. The efficacy of IRIS-U^2 is demonstrated through a case study focusing on structural inspections of bridges. Our approach exhibits improved expected coverage, reduced collision probability, and yields increasingly precise statistical guarantees as the number of MC samples grows. Furthermore, we demonstrate the potential advantages of computing bounded sub-optimal solutions to reduce computation time while maintaining statistical guarantees.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google