基于ADMM的非完整移动机器人传感器网络自适应采样策略
机器人学
2021-03-23 v3 系统与控制
系统与控制
摘要
本文讨论了非完整移动机器人传感器网络中的自适应采样问题，用于高效监测空间场。提出采用高斯过程对空间现象建模并在未测量位置进行预测，从而可利用下一采样位置处预测协方差矩阵的行列式对数来构建采样优化问题。移动传感器的控制、运动与非完整动力学约束也在自适应采样优化问题中予以考虑。为处理优化问题中目标函数的非线性和非凸性，我们首先采用线性化交替方向乘子法(L-ADMM)，该方法能有效简化目标函数，但计算代价较高，因为每次迭代都需精确求解一个非凸问题。随后我们提出一种称为连续凸化ADMM(SC-ADMM)的新方法，其依次凸化非线性动力学约束，从而将原始优化问题拆分为凸子问题。值得注意的是，L-ADMM算法与我们的SC-ADMM方法均能以集中式或分布式方式求解该采样优化问题。我们在使用真实世界数据集的合成环境中通过1000次实验验证了所提方法，结果表明L-ADMM与SC-ADMM技术均可为监测目的提供良好精度。然而，我们提出的SC-ADMM方法在计算上优于L-ADMM对应方法，展现出更好的实用性。
引用
@article{arxiv.2101.10500,
title = {ADMM-based Adaptive Sampling Strategy for Nonholonomic Mobile Robotic Sensor Networks},
author = {Viet-Anh Le and Linh Nguyen and Truong X. Nghiem},
journal= {arXiv preprint arXiv:2101.10500},
year = {2021}
}
备注
submitted to IEEE Sensors Journal, revised version