Mr.MSTE：基于风向感知的多机器人多源项估计
机器人学
2025-12-22 v1
摘要
本文提出一种多机器人多源项估计 (MRMSTE) 框架，使一组移动机器人能够协作采样气体浓度并推断未知释放源的数量及参数。该框架基于混合贝叶斯推断方案，代表联合多源概率密度，并融合包含气象扩散驱动的源出生、消除和合并等物理信息的状态转移。自然容纳基于叠加的测量模型，允许稀疏浓度测量高效利用。为指导机器人部署，我们引入一种风向感知覆盖控制 (WCC) 策略，将演化的多源信念与局部风信息融合，以优先考虑高检测概率的区域。与传统覆盖控制或信息论规划方法不同，WCC 显式考虑各向异性湍流输运在传感器性能建模中的作用，从而实现对多源估计更有效的传感器布局。蒙特卡罗研究表明，与传统覆盖策略和小规模静态传感器网络相比，MRMSTE 具有更快的收敛速度和更好的源信念分离能力。实际实验使用 CO2 释放验证了所提方法，证明其在可扩展的多机器人气体感知应用中具有实际可行性。
引用
@article{arxiv.2512.17001,
title = {Mr.MSTE: Multi-robot Multi-Source Term Estimation with Wind-Aware Coverage Control},
author = {Rohit V. Nanavati and Tim J. Glover and Matthew J. Coombes and Cunjia Liu},
journal= {arXiv preprint arXiv:2512.17001},
year = {2025}
}