Bayesian Optimization for Fast Radio Mapping and Localization with an Autonomous Aerial Drone

要約

この論文では、信号位置特定のための狭帯域無線マップを構築しながら、飛行中のドローンが自律的に航行する方法を検討します。
飛行するドローンがより普及するにつれて、その無線信号には、無線スペクトルの使用を維持しながら堅牢な無線インフラストラクチャを提供するための新しい無線技術とアルゴリズムが必要になります。
このスペクトル共有の位置特定の課題に対する潜在的な解決策は、送信機ビーコンの帯域幅を制限することです。
ただし、狭い帯域幅で位置信号を送信するには、ノイズの多い信号をフィルタリングし、送信機の位置を推定し、位置推定を改善するためのセルフパイロット機能を向上させる必要があります。
この研究では、シミュレーション、エミュレーション、および最終的なドローン飛行実験による結果を示すことにより、無線信号推定にガウス プロセスを使用するアルゴリズムと、ドローン自動誘導にベイジアン最適化を使用するアルゴリズムを提供します。
この研究は、捜索救助、ラストワンマイル配送、大規模プラットフォームのデジタルツイン開発などの重要な分野における高度な無線および航空ロボティクスのアプリケーションをサポートします。

要約(オリジナル)

This paper explores how a flying drone can autonomously navigate while constructing a narrowband radio map for signal localization. As flying drones become more ubiquitous, their wireless signals will necessitate new wireless technologies and algorithms to provide robust radio infrastructure while preserving radio spectrum usage. A potential solution for this spectrum-sharing localization challenge is to limit the bandwidth of any transmitter beacon. However, location signaling with a narrow bandwidth necessitates improving a wireless aerial system’s ability to filter a noisy signal, estimate the transmitter’s location, and self-pilot to improve the location estimate. By showing results through simulation, emulation, and a final drone flight experiment, this work provides an algorithm using a Gaussian process for radio signal estimation and Bayesian optimization for drone automatic guidance. This research supports advanced radio and aerial robotics applications in critical areas such as search-and-rescue, last-mile delivery, and large-scale platform digital twin development.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google