Core Concepts
로봇 데이터 수집 효율을 높이기 위해 그리드 맵과 라디오 맵을 활용하여 충돌 회피와 통신 최적화를 동시에 달성하는 방법을 제안한다.
Abstract
이 논문은 로봇 데이터 수집(RDG) 문제를 다룬다. RDG는 로봇이 원격 센서로부터 데이터를 수집하는 새로운 패러다임이다. 기존의 모션 플래닝 방법은 로봇 이동 효율만을 고려하므로 RDG 효율을 최대화하기 어렵다.
이 논문은 라디오 맵 기반 모델 예측 통신(MPCOM)을 제안한다. MPCOM은 그리드 맵과 라디오 맵을 활용하여 충돌 회피와 통신 최적화를 동시에 달성한다. 구체적으로:
다중 영역 라디오 전파 모델을 제안하여 NLOS 환경에서의 신호 특성을 잘 포착한다.
로그-다항식 통신 정규화기를 설계하여 라디오 맵 정보를 모션 플래닝에 통합한다.
반복적 최소화 기법을 통해 통신과 이동의 균형을 자동으로 달성한다.
실험 결과, MPCOM은 기존 기법 대비 RDG 효율을 최대 100% 향상시킬 수 있으며, 실제 환경에서도 우수한 성능을 보인다.
Stats
제안된 MPCOM 기법은 기존 기법 대비 RDG 효율을 최대 100% 향상시킬 수 있다.
MPCOM은 NLOS 환경에서 기존 기법 대비 RDG 효율을 101.5% 향상시킬 수 있다.
MPCOM은 실제 환경에서 RDA 기법 대비 데이터 수집량을 약 6배 향상시킬 수 있다.
Quotes
"MPCOM leverages ray tracing for radio mapping, and proposes an approximate map-partition communication model to learn from the radio map for capturing NLOS propagation characteristics."
"To integrate the radio map into the MPCOM framework, we propose a logarithms-of-polynomials communication regularizer. To address its nonconvexity, a majorization minimization (MM) tehcnique is proposed, which optimizes surrogate regularizers iteratively."