在贝叶斯框架中建模地质知识以实现自主科学的方法

自主科学是一个研究领域，旨在将探索机器人的自主性从低级功能（如机载感知和避障）扩展到科学自主性，这允许科学家在任务级别指定任务。这将使更偏远和极端的环境（如深海和其他星球）得以被研究，从而带来重大的科学发现。本文提出了一种通过使机器人能够在机载上对科学知识进行建模和推理来扩展其高级自主性的方法。我们通过使用贝叶斯网络编码科学知识，并采用蒙特卡洛树搜索技术对网络进行推理并规划信息感知动作来实现这一点。由此产生的知识表示与推理框架是随时可用的，能够处理大型状态空间且对不确定性具有鲁棒性，使其非常适用于现场机器人技术。我们将该方法应用于一项火星探索任务，其中机器人需要规划路径并决定何时使用其感知模态来研究感兴趣的科学潜变量。广泛的仿真结果表明，我们的方法相比其他方法具有显著的性能优势。我们还在一个模拟火星环境中展示了我们方法的实用性，我们的实验漫游车 Continuum 在其中自主规划和执行了一项科学任务。