Core Concepts
複数のセンサを搭載した自律エージェントが、環境の情報を効率的に収集するための最適な経路を見つける。
Abstract
本研究では、複数のセンサを搭載した自律エージェントが、未知の部分的に観測可能な環境を探査し、情報を収集する問題を扱っている。エージェントは、精度の異なる複数のセンサを使用でき、それぞれのセンサには異なるコストがかかる。
エージェントの目的は、資源制約の下で環境の不確実性を最小限に抑えることである。
本手法では、トラジェクトリ最適化アプローチを用いて、ガウシアンプロセスに基づく情報量最大化を目的関数とする。これにより、長期的な視点から最適な経路を見出すことができる。
従来のロールアウトベースの部分観測マルコフ決定過程(POMDP)アプローチと比較して、本手法は長期的な視点を持つことができ、最大で85%の分散低減と50%のRMSE低減を達成した。
本手法は、NASAのVIPERミッションのローバー経路計画の支援として開発された。
Stats
提案手法は、従来手法と比較して最大で85%の分散低減と50%のRMSE低減を達成した。
提案手法は、長期的な視点から最適な経路を見出すことができる。
Quotes
"本研究では、複数のセンサを搭載した自律エージェントが、未知の部分的に観測可能な環境を探査し、情報を収集する問題を扱っている。"
"エージェントの目的は、資源制約の下で環境の不確実性を最小限に抑えることである。"