行星机器人学中样本采集与感知的信息论方法
机器人学
2017-09-15 v1 天体物理仪器与方法
摘要
样本采集并返回地球是行星探测的一个重要且新兴的组成部分。获取和分析岩石样本可以提供关于地质、地球历史以及寻找过去生命和水的前景的前所未有的见解。当前的探测方法依赖任务科学家来识别感兴趣的目标，这带来了巨大的操作挑战。寻找感兴趣的目标需要系统且高效的方法，以快速正确地评估数百甚至数千个样本的重要性，从而将最有趣的样本保留供任务科学家进一步分析。在本文中，我们提出了一种自动化的信息论方法，利用预定义的感兴趣形状库来识别感兴趣形状。这些预定义形状可以是人工输入，也可以是由形状匹配系统使用 Superformula 外推的样本，以判断新获取对象的重要性。使用特征脸（eigenfaces）方法将形状样本与形状库进行匹配，从而实现样本的分类和优先级排序。该方法显示出对高达 20% 的模拟传感器噪声的鲁棒性。分析了形状参数和旋转角度对形状匹配精度的影响。该方法显示出显著的前景，目前正努力使用真实岩石样本测试该算法。
引用
@article{arxiv.1709.04617,
title = {An Information Theoretic Approach to Sample Acquisition and Perception in Planetary Robotics},
author = {Garrett Fleetwood and Jekan Thangavelautham},
journal= {arXiv preprint arXiv:1709.04617},
year = {2017}
}
备注
8 pages, 16 figures, Adaptive Hardware Systems Conference 2017