D2A-BSP：预算约束下具有性能保证的蒸馏数据关联信念空间规划
人工智能
2022-07-19 v2
摘要
在模糊且感知歧义的环境中，未解决的数据关联会导致关于机器人和环境状态的多模态假设。为避免灾难性后果，在此类歧义环境中运行时，在信念空间规划（BSP）中对数据关联进行推理至关重要。然而，显式考虑所有可能的数据关联会使假设数量随规划视野呈指数增长，迅速导致确定最优动作序列变得难以处理。此外，在必须剪枝某些不可忽略假设的硬预算约束下，实现性能保证至关重要。在本工作中，我们提出了一种计算高效的新方法，仅利用蒸馏出的假设子集在推理数据关联的同时求解BSP问题。此外，为提供性能保证，我们推导了相对于最优解的误差界限。随后，我们在一个极度歧义的环境中演示了我们的方法，在不妥协解质量的前提下显著减少了计算时间。
引用
@article{arxiv.2202.04954,
title = {D2A-BSP: Distilled Data Association Belief Space Planning with Performance Guarantees Under Budget Constraints},
author = {Moshe Shienman and Vadim Indelman},
journal= {arXiv preprint arXiv:2202.04954},
year = {2022}
}
备注
8 pages, 2 figures, Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2022, *Outstanding Paper Award Finalist*