基于分层空间点过程的实时机器人搜索
机器人学
2019-03-26 v1 应用统计
摘要
飞行机器人在协助大范围搜索与救援（SAR）方面具有巨大潜力。传统方法通常详尽搜索一个区域，从而忽略了受害者密度会根据可预测因素（如地形、人口密度和灾害类型）而变化。我们提出一种概率模型来自动化 SAR 规划，显式最小化期望发现时间。所提模型是一个分层空间点过程，具有三个相互作用的空间场，分别用于 i) 区域内人员点模式，ii) 人员探测概率，以及 iii) 受伤概率。该结构允许纳入来自地理或手机流量数据等的信息先验，同时在先验缺失或不准确时退化为隐高斯过程。为实时求解该问题，我们提出结合使用集成嵌套拉普拉斯近似（INLA）的快速近似推断，以及针对该问题定制的新型蒙特卡洛树搜索。使用根据真实世界 GIS 地图模拟的数据进行的实验表明，该框架优于传统搜索策略，并在关键的前几个小时中找到多达十倍以上的伤者。
引用
@article{arxiv.1903.10443,
title = {Real-Time Robotic Search using Hierarchical Spatial Point Processes},
author = {Olov Andersson and Per Sidén and Johan Dahlin and Patrick Doherty and Mattias Villani},
journal= {arXiv preprint arXiv:1903.10443},
year = {2019}
}