基于采样的增量式信息收集及其在机器人探索与环境监测中的应用
机器人学
2019-05-24 v5
摘要
本文中，我们提出了一种基于采样的运动规划算法，该算法配备信息论收敛准则，用于增量式信息运动规划(incremental informative motion planning)。所提方法允许稠密地图表示，并将完整状态不确定性纳入规划过程。问题被表述为约束最大化问题。我们的方法构建于快速探索信息收集算法(rapidly-exploring information gathering algorithms)之上，并受益于基于采样的最优运动规划算法的优势。我们提出了两种信息函数及其变体以进行快速在线计算。我们基于平均地图熵的最小上界，证明了整个探索与信息收集任务的信息论收敛性。收敛分析自然导出了信息驱动运动控制的自动停止准则。我们使用三个场景展示了所提算法的性能：所提信息函数与传感器配置选择的比较、未知环境中的机器人探索，以及利用公开数据集（由自主水面艇采集）在湖泊中进行的无线信号强度监测任务。
引用
@article{arxiv.1607.01883,
title = {Sampling-based Incremental Information Gathering with Applications to Robotic Exploration and Environmental Monitoring},
author = {Maani Ghaffari Jadidi and Jaime Valls Miro and Gamini Dissanayake},
journal= {arXiv preprint arXiv:1607.01883},
year = {2019}
}
备注
Revision submitted to IJRR, 49 pages