环境探索与监测中极端异常检测的信息化路径规划
机器学习
2021-04-09 v3 机器学习
机器人学
摘要
一架无人自主飞行器 (UAV) 被派去执行一项任务，通过 Bayesian optimization（贝叶斯优化）收集的一系列测量来探索并重建未知环境。任务的成功以 UAV 忠实重建环境中存在的任何异常特征的能力来评判，且侧重于极端情况（例如极端地形洼地或异常化学浓度）。我们表明，常用于确定 UAV 应访问位置的标准并不适合该任务。我们引入若干新标准，以数学上优雅且计算上易处理的方式利用先前收集的信息，引导 UAV 前往强异常区域。我们在多个应用中展示了所提方法的优越性，包括基于真实世界测深数据的海底地形重建，以及动态异常追踪。我们方法一个尤其吸引人的特性是能够克服对抗性条件，即关于极端位置先验信念不精确或错误的情况。
引用
@article{arxiv.2005.10040,
title = {Informative Path Planning for Extreme Anomaly Detection in Environment Exploration and Monitoring},
author = {Antoine Blanchard and Themistoklis Sapsis},
journal= {arXiv preprint arXiv:2005.10040},
year = {2021}
}