未知动态环境下主动耦合传感器配置与规划

我们解决的问题是为在未知且时间可变环境中运行的自主移动车辆（称为 ego 车辆）进行路径规划。目标是使 ego 车辆在环境中最小化暴露于称为威胁场的时空可变未知标量场。由一组移动传感器提供的噪声测量用于该威胁场。我们解决的是最优配置（放置）这些传感器以适应环境的难题。为此，我们提出通过最大化由三个不同组成部分构成的奖励函数来进行传感器重新配置。首先，奖励包括我们称为情境相关互信息（CRMI）的一种信息度量。与通常最大化测量值和环境状态之间互信息的传感器放置技术不同，CRMI 直接量化了当 ego 车辆在环境中移动时，ego 路径成本不确定性的减少。因此，CRMI 引入了 ego 车辆与传感器网络之间的主动耦合。其次，奖励包括对传感器行驶距离的惩罚。最后，奖励包括对传感器距离 ego 车辆的接近程度的度量。虽然我们在本文中不考虑通信问题，但这种接近性对于未来处理传感器与 ego 车辆之间通信的工作是相关的。我们通过数值仿真来说明和分析所提出的技术。