Safe and Efficient Estimation for Robotics through the Optimal Use of Resources

要約

ロボットが物理世界で動作し、物理世界と対話するには、環境の現在および将来の状態を推定する必要があります。
したがって、ロボットにセンサーを装備し、いくつかの測定値を考慮して現在または将来の状態を推定するモデルとアルゴリズムを構築します。
環境は予測不可能な場合があり、センサーは完璧ではありません。
したがって、利用可能なすべての情報を使用することと、それを最適に行うこと、つまり、持っている情報量から可能な限り最良の答えを確実に得ることが重要です。
しかし、一般的な研究では、音声や無線周波数信号などの一般的ではないセンサーは状態推定では無視されるのが一般的です。
また、状態推定値を生成するために使用される最も一般的なソルバーは、局所的な性質のみを持ちます。つまり、通常の非凸推定問題に対しては次善の推定値が生成される可能性があります。
私の研究の目的は、1) マルチモダリティ: ユビキタス RF トランシーバーとマイクを使用して状態推定をサポートすること、2) 確実に最適なソルバーを構築すること、3) データから適切なモデルを学習して改善すること、に基づいてリソースをより最適に使用することです。

要約(オリジナル)

In order to operate in and interact with the physical world, robots need to have estimates of the current and future state of the environment. We thus equip robots with sensors and build models and algorithms that, given some measurements, produce estimates of the current or future states. Environments can be unpredictable and sensors are not perfect. Therefore, it is important to both use all information available, and to do so optimally: making sure that we get the best possible answer from the amount of information we have. However, in prevalent research, uncommon sensors, such as sound or radio-frequency signals, are commonly ignored for state estimation; and the most popular solvers employed to produce state estimates are only of local nature, meaning they may produce suboptimal estimates for the typically non-convex estimation problems. My research aims to use resources more optimally, by building on 1) multi-modality: using ubiquitous RF transceivers and microphones to support state estimation, 2) building certifiably optimal solvers and 3) learning and improving adequate models from data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google