Optimization of Collective Bayesian Decision-Making in a Swarm of Miniaturized Vibration-Sensing Robots

要約

静的センサー ノードを使用したインフラストラクチャの検査は、ここ数十年で確立されたアプローチになりました。
この研究では、モバイル センサー ノードを使用したバイナリ検査タスクに対処するための実験セットアップを紹介します。
目的は、振動タイルと非振動タイルで構成される 1mx1m のタイル張りの表面で主なタイルのタイプを特定することです。
検知用の IMU と衝突回避用の IR センサーを搭載した小型ロボットの群れが検査を実行します。
意思決定アプローチではベイジアン アルゴリズムを活用し、推論を使用してロボットの信念を更新します。
元のアルゴリズムでは、2 つの情報共有戦略のいずれかを使用します。
意思決定の迅速化を目指し、新たな情報共有戦略を導入します。
アルゴリズム パラメーターを最適化するために、高忠実度の Webots ロボット シミュレーターで現実世界のセットアップに合わせて調整されたシミュレーション フレームワークを開発します。
シミュレーションと実際の実験を通じて、3 つの情報共有戦略を評価します。
さらに、さまざまな空間相関と充填率を持つますます複雑な環境に、最適化されたパラメーターと最適化されていないパラメーターを持つ群を配置することで、最適化の有効性をテストします。
結果は、私たちが提案した情報共有戦略が、意思決定の時点で以前に確立された情報共有戦略よりも一貫して優れていることを示しています。
さらに、最適化されたパラメーターにより、さまざまな環境にわたって堅牢なパフォーマンスが得られます。
逆に、最適化されていないパラメーターは、単純なシナリオでは良好に機能しますが、複雑な設定では精度が低下します。

要約(オリジナル)

Inspection of infrastructure using static sensor nodes has become a well established approach in recent decades. In this work, we present an experimental setup to address a binary inspection task using mobile sensor nodes. The objective is to identify the predominant tile type in a 1mx1m tiled surface composed of vibrating and non-vibrating tiles. A swarm of miniaturized robots, equipped with onboard IMUs for sensing and IR sensors for collision avoidance, performs the inspection. The decision-making approach leverages a Bayesian algorithm, updating robots’ belief using inference. The original algorithm uses one of two information sharing strategies. We introduce a novel information sharing strategy, aiming to accelerate the decision-making. To optimize the algorithm parameters, we develop a simulation framework calibrated to our real-world setup in the high-fidelity Webots robotic simulator. We evaluate the three information sharing strategies through simulations and real-world experiments. Moreover, we test the effectiveness of our optimization by placing swarms with optimized and non-optimized parameters in increasingly complex environments with varied spatial correlation and fill ratios. Results show that our proposed information sharing strategy consistently outperforms previously established information-sharing strategies in decision time. Additionally, optimized parameters yield robust performance across different environments. Conversely, non-optimized parameters perform well in simpler scenarios but show reduced accuracy in complex settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google