On the Application of Model Predictive Control to a Weighted Coverage Path Planning Problem

要約

この論文では、加重カバレッジ パス プランニング (WCPP) 問題へのモデル予測制御 (MPC) の適用について検討します。
この問題は、捜索救助 (SAR) ミッションなど、幅広い実際の用途で発生します。
基本的な設定では、1 人 (または複数) のエージェントが特定の探索空間内を移動し、特定の空間分布から報酬を収集できます。
人工的なポテンシャルフィールドとは異なり、各報酬は一度しか収集できません。
巡回セールスマン問題 (TSP) とは対照的に、エージェントは連続空間内を移動します。
さらに、すべての場所をカバーする義務はなく、以前に訪れた場所に戻ることもできます。
WCPP 問題は、いわゆるカバレッジ制約 (CC) を備えた新しいモデル予測制御 (MPC) 定式化によって解決されます。
ソルバーが TSP ベースのヒューリスティックで初期化されると、解決策がより効果的になることが示されています。
この初期化の有無にかかわらず、提案された MPC アプローチは、小規模なシミュレーション研究で実証されたように、単純な MPC 定式化よりも明らかに優れています。

要約(オリジナル)

This paper considers the application of Model Predictive Control (MPC) to a weighted coverage path planning (WCPP) problem. The problem appears in a wide range of practical applications, such as search and rescue (SAR) missions. The basic setup is that one (or multiple) agents can move around a given search space and collect rewards from a given spatial distribution. Unlike an artificial potential field, each reward can only be collected once. In contrast to a Traveling Salesman Problem (TSP), the agent moves in a continuous space. Moreover, he is not obliged to cover all locations and/or may return to previously visited locations. The WCPP problem is tackled by a new Model Predictive Control (MPC) formulation with so-called Coverage Constraints (CCs). It is shown that the solution becomes more effective if the solver is initialized with a TSP-based heuristic. With and without this initialization, the proposed MPC approach clearly outperforms a naive MPC formulation, as demonstrated in a small simulation study.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google