PropEM-L：面向通信感知多机器人探索的无线电传播环境建模与学习
机器人学
2022-05-04 v1
摘要
复杂未知环境中的多机器人探索受益于机器人间通信所提供的协作与配合。准确的无线电信号强度预测可实现通信感知的探索。忽略环境对信号传播影响的模型或依赖先验地图的模型，在未知、通信受限（如地下）环境中表现不佳。本工作中，我们提出传播环境建模与学习（PropEM-L），一个利用环境实时传感器衍生的三维几何表征来提取无线电间视线及衰减墙壁/障碍物信息，从而准确预测接收信号强度（RSS）的框架。我们的数据驱动方法结合了已知信号传播现象模型（如阴影、反射、衍射）与机器学习的优势，并可在线适应新环境。我们在 2021 年 DARPA 地下挑战赛构建的具有类地铁、类矿井和类洞穴特征的通信受限环境中，以六机器人团队展示了 PropEM-L 的性能。我们的结果表明，相比对数距离路径损耗模型，PropEM-L 可将信号强度预测精度提升多达 44%。
引用
@article{arxiv.2205.01267,
title = {PropEM-L: Radio Propagation Environment Modeling and Learning for Communication-Aware Multi-Robot Exploration},
author = {Lillian Clark and Jeffrey A. Edlund and Marc Sanchez Net and Tiago Stegun Vaquero and Ali-akbar Agha-mohammadi},
journal= {arXiv preprint arXiv:2205.01267},
year = {2022}
}
备注
Robotics: Science and Systems 2022, 8 pages