UniSaT: 统一目标信念模型与规划器用于搜索与跟踪多个目标
机器人学
2024-10-24 v2
摘要
为自动化搜索和跟踪多个目标的路径规划是重大问题，涉及侦察、监视和数据收集等应用。由于搜索新目标与维持已发现目标轨迹之间的固有矛盾目标，目前大多数方法依赖多目标规划方法，让用户根据经验或试错调参以平衡两个目标。本文引入UniSaT(统一搜索与跟踪)，一种基于随机有限集(RFS)的统一目标 formulations用于搜索与跟踪问题。该方法模型化已知和未知目标，采用组合广义标记多伯利利(GLMB)滤波器。对于不可见目标，UniSaT利用基数分布和空间先验分布，使其无需对搜索空间中目标数量的精确先验知识即可运行。规划器最大化该统一信念模型的互信息，从而创建平衡的搜索与跟踪行为。我们在模拟环境中展示了工作， presenting定性结果和对比单目标方法的定量改进。
引用
@article{arxiv.2405.15997,
title = {UniSaT: Unified-Objective Belief Model and Planner to Search for and Track Multiple Objects},
author = {Leonardo Santos and Brady Moon and Sebastian Scherer and Hoa Van Nguyen},
journal= {arXiv preprint arXiv:2405.15997},
year = {2024}
}
备注
13 pages, AIAA SCITECH 2025 Forum