基于贝叶斯优化的多机器人交替跃进掩护可信度模型
机器人学
2022-01-07 v1
摘要
在多机器人系统（MRS）交替跃进掩护中，确定每一步选择哪个点进行掩护以及机器人的位置是否可信至关重要，以便有效执行掩护。在本文中，我们为 MRS 开发了一种基于贝叶斯优化的计算可信度模型（CTM）以选择掩护点。CTM 可以通过参考机器人的态势感知信息（如可通行性和视线）为 MRS 提供关于掩护点的实时可信度评估。该评估能够量化每个机器人在交替跃进掩护中保护其机器人团队成员的可信度。可信度评估可为工作空间中的每个机器人生成动态代价地图，并有助于获得最可信的交替跃进掩护路径。我们提出的基于贝叶斯优化的 CTM 和运动规划可减少数据收集中对工作空间的探索次数，并提高 CTM 学习效率。它还使 MRS 能够处理动态和不确定环境下的多机器人交替跃进掩护任务。在 ROS Gazebo 中进行了机器人仿真，以证明所提框架的有效性。
引用
@article{arxiv.2201.01878,
title = {Bayesian Optimization Based Trustworthiness Model for Multi-robot Bounding Overwatch},
author = {Huanfei Zheng and Jonathon M. Smereka and Dariusz Mikluski and Yue Wang},
journal= {arXiv preprint arXiv:2201.01878},
year = {2022}
}