主动感知策略：基于固定单向开关的多模态、多机器人源定位与地图制图
机器人学
2024-07-02 v1 多智能体系统
摘要
本文提出一种针对动态现实环境的多模态、多机器人环境感知算法的状态机模型。该算法独特地结合了两种探索策略用于气体源定位与地图制图：(1) 使用可变形 formations 的多机器人覆盖路径规划进行初始探索，以获得早期气体场指示；(2) 随后采用多机器人集体进行主动感知，以实现精确场估计。状态机控制着这两种阶段之间的转换。在探索阶段，覆盖路径最大化访问区域的同时测量气体浓度并在预定义采样时间估算初始气体场。在主动感知阶段，处于集体中的移动机器人协作选择下一个测量点，确保感知的协调与高效。系统验证涉及硬件在环实验和使用模拟气体场的无线电源进行实时测试。该方法以最先进的单模态主动感知和气体源定位技术进行基准测试。评估结果突出显示了多模态切换方法在加快收敛速度、导航动态环境中的障碍物以及显著提高气体源定位精度方面的优势。在没有碰撞的情况下，多机器人环境感知在杂乱场景中的鲁棒性显著提升，超越了传统主动感知策略的性能。研究结果显示， turnaround 时间减少 43%，估计精度提高 50%，多机器人环境感知在杂乱场景中表现出更好的鲁棒性。
引用
@article{arxiv.2407.01308,
title = {Active Sensing Strategy: Multi-Modal, Multi-Robot Source Localization and Mapping in Real-World Settings with Fixed One-Way Switching},
author = {Vu Phi Tran and Asanka G. Perera and Matthew A. Garratt and Kathryn Kasmarik and Sreenatha G. Anavatti},
journal= {arXiv preprint arXiv:2407.01308},
year = {2024}
}