收缩 POMCP:面向实时无人机搜救的框架
机器人学
2024-11-21 v1 人工智能
摘要
搜救行动中无人机的高效路径优化面临诸多挑战,包括能见度有限、时间约束以及城市环境中复杂的信息收集。我们提出了一种综合方法来优化社区区域的无人机搜救行动,同时使用了 3D AirSim-ROS2 仿真器和 2D 仿真器。路径规划问题被形式化为部分可观测马尔可夫决策过程(POMDP),并且我们提出了一种新颖的“收缩 POMCP”方法来解决时间约束问题。在 AirSim 环境中,我们将该方法与用于信念维护的概率世界模型和用于避障的神经符号导航器相集成。2D 仿真器采用了具有等效功能的代理 ROS2 节点。我们在 2D 仿真器中比较了不同方法生成的轨迹,并在 3D AirSim-ROS 仿真器中评估了不同信念类型下的性能。两个仿真器的实验结果均表明,我们提出的收缩 POMCP 解决方案在搜索时间上比其他方法取得了显著改善,展示了其提升无人机辅助搜救行动效率的潜力。
引用
@article{arxiv.2411.12967,
title = {Shrinking POMCP: A Framework for Real-Time UAV Search and Rescue},
author = {Yunuo Zhang and Baiting Luo and Ayan Mukhopadhyay and Daniel Stojcsics and Daniel Elenius and Anirban Roy and Susmit Jha and Miklos Maroti and Xenofon Koutsoukos and Gabor Karsai and Abhishek Dubey},
journal= {arXiv preprint arXiv:2411.12967},
year = {2024}
}
备注
Accepted to the The 3rd International Conference on Assured Autonomy