Stein Variational Ergodic Search

要約

探索では、ロボットが動的に変化する条件に応じて空間をカバーするためのさまざまな方法を推論する必要があります。
ただし、連続ドメインでは、ロボットが探索できるオプションが無限に存在する可能性があり、計算が困難になる可能性があります。
では、ロボットはどのように効率的に最適化し、採用する探索戦略を選択すればよいのでしょうか?
この研究では、変分推論を使用してこの問題を調査し、カバレッジ軌跡の分布を効率的に解決します。
私たちのアプローチは、エルゴディック検索手法を活用して、連続した時間と空間でのカバレッジ軌跡を最適化します。
軌跡の分布について推論するために、エルゴード探索を確率的推論問題として定式化します。
我々は、Stein 変分法を利用して、並列計算を通じてエルゴード軌道にわたる事後分布を近似することを提案します。
その結果、ロボットが探索に適応できる実現可能なカバー軌道の分布を効率的に最適化することが可能になります。
提案された Stein 変分エルゴード検索アプローチが複数のカバレッジ戦略の効率的な特定を容易にすることを実証し、モデル予測制御定式化におけるオンライン適応を示します。
模擬実験と物理実験により、オンラインでの探索戦略の適応性と多様性が実証されます。

要約(オリジナル)

Exploration requires that robots reason about numerous ways to cover a space in response to dynamically changing conditions. However, in continuous domains there are potentially infinitely many options for robots to explore which can prove computationally challenging. How then should a robot efficiently optimize and choose exploration strategies to adopt? In this work, we explore this question through the use of variational inference to efficiently solve for distributions of coverage trajectories. Our approach leverages ergodic search methods to optimize coverage trajectories in continuous time and space. In order to reason about distributions of trajectories, we formulate ergodic search as a probabilistic inference problem. We propose to leverage Stein variational methods to approximate a posterior distribution over ergodic trajectories through parallel computation. As a result, it becomes possible to efficiently optimize distributions of feasible coverage trajectories for which robots can adapt exploration. We demonstrate that the proposed Stein variational ergodic search approach facilitates efficient identification of multiple coverage strategies and show online adaptation in a model-predictive control formulation. Simulated and physical experiments demonstrate adaptability and diversity in exploration strategies online.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google