核心概念
다중 로봇 센서 네트워크를 활용하여 공간 시간 필드를 최적으로 관측하고 예측하기 위한 새로운 분산 정보 경로 계획 기법을 제안한다.
要約
이 논문은 다중 로봇 센서 네트워크를 활용하여 공간 시간 필드를 관측하고 모델링하는 문제를 다룬다.
- 로봇들은 가우시안 프로세스 회귀를 통해 공간 시간 필드를 모델링하고 예측한다.
- 로봇들의 연결성을 유지하면서 정보 획득을 최대화하기 위한 새로운 분산 정보 경로 계획 기법을 제안한다.
- 이를 위해 로봇들의 미래 경로에 대한 상호 관계를 고려한 새로운 비용 함수를 정의한다.
- 이 최적화 문제를 이중 분해 기법을 활용하여 분산적으로 해결한다.
- 실제 온도 데이터셋을 활용한 시뮬레이션을 통해 제안 기법의 성능을 검증한다.
統計
로봇 i의 위치 pi,k+h+1은 Akpi,k+h + Bkui,k+h로 표현된다.
로봇 i의 제어 입력 ui,k는 최대 크기 δi를 가진다.
로봇 i와 j는 거리 ∥pi,k - pj,k∥2 ≤ R 이내일 때 연결된다.
引用
"GPR provides a fundamental framework for nonlinear non-parametric Bayesian inference widely used in soil organic matter mapping [2], temperature mapping [3] and leakage detection [4]."
"The core idea of the IPP is based on minimizing prediction uncertainties, which leads to designing optimal routes to collect measurements."