远征科学中时空环境下不确定性的机器人规划

在远征科学中，时空变化环境——热液羽流、藻华、熔岩流或动物迁徙——无处不在。移动机器人 uniquely 非常适合研究这些动态的、中尺度自然环境。我们将远征科学形式化为一个序贯决策问题，使用部分可观测马尔可夫决策过程（POMDPs）的语言建模。在现实约束下求解远征科学 POMDP 需要在具有复杂动态和观测模型的问题中进行高效概率建模与决策。先前在信息路径规划、自适应采样和实验设计方面的工作已展示出引人注目的结果，主要在静态环境中使用数据驱动模型与基于信息的奖励。然而，这些方法不能轻易扩展到时空环境中的远征科学：它们通常不利用诸如状态动力学方程等科学知识，侧重于信息收集而非科学任务执行，并且使用的决策方法在具有长规划周期和实时操作约束的大型连续问题中扩展性差。本工作中，我们讨论这些及与远征科学中概率建模和决策相关的其他挑战，并展示我们解决这些差距的一些初步工作。我们将结果立足于深海自主水下航行器（AUV）用于热液喷口发现与表征的真实远征科学部署。我们的结论性思考强调了待完成的剩余工作，以及值得强化学习与决策社区考虑的难题。