面向多运动目标建模的鲁棒于谣言传播的分散式高斯过程学习、融合与规划
系统与控制
2020-09-15 v1 多智能体系统
机器人学
系统与控制
摘要
本文提出一种用于移动传感器网络主动学习目标运动模型的分散式高斯过程（GP）学习、融合与规划（RESIN）形式化方法。RESIN具有计算与通信高效，以及对传感器网络中谣言传播具有鲁棒性的特点。通过采用加权指数乘积规则与Chernoff信息，开发了一种鲁棒于谣言传播的分散式GP融合方法，以从局部GP模型生成全局一致的目标轨迹预测。随后提出一种分散式信息驱动的路径规划方法，使移动传感器生成信息丰富的感知路径。为传感器间的路径协调开发了一种新颖的定常规模信息共享策略，并推导出一个解析目标函数，显著降低了路径规划的计算复杂度。RESIN的有效性在各种数值仿真中得到验证。
引用
@article{arxiv.2009.06021,
title = {Rumor-robust Decentralized Gaussian Process Learning, Fusion, and Planning for Modeling Multiple Moving Targets},
author = {Chang Liu and Zhihao Liao and Silvia Ferrari},
journal= {arXiv preprint arXiv:2009.06021},
year = {2020}
}
备注
8 pages, 3 figures, accepted to 59th IEEE Conference on Decision and Control (CDC), 2020