This paper presents a distributed scalable multi-robot planning algorithm for non-uniform sampling of quasi-static spatial fields. We address the problem of efficient data collection using multiple autonomous vehicles. In this paper, we are interested in analyzing the effect of communication between multiple robots, acting independently, on the overall sampling performance of the team. Our focus is on distributed sampling problem where the robots are operating independent of their teammates, but have the ability to communicate their states to other neighbors with a constraint on the communication range. We design and apply an informed non-myopic path planning technique on multiple robotic platforms to efficiently collect measurements from a spatial field. Our proposed approach is highly adaptive to challenging environments, growing team size, and runs in real-time, which are the key features for any real-world scenario. The results show that our distributed sampling approach is able to achieve efficient sampling with minimal communication between the robots. We evaluate our approach in simulation over multiple distributions commonly occurring in nature and on the real-world data collected during a field trial.


翻译:本文介绍了用于准静态空间领域非统一抽样的分布式可缩放多机器人规划算法。 我们用多个自主车辆解决高效数据收集问题。 在本文中,我们有兴趣分析独立运作的多机器人之间通信对小组总体取样业绩的影响。 我们的重点是分布式抽样问题,即机器人独立于其团队,但有能力与其他邻国沟通,但通信范围受限制。 我们在多个机器人平台上设计并应用知情的非移动路径规划技术,以便有效地从空间领域收集测量数据。我们提议的方法高度适应挑战性环境,团队规模不断扩大,并实时运行,这是任何现实世界情景的关键特征。结果显示,我们分布式取样方法能够以机器人之间最小的通信实现高效取样。我们评估了我们模拟自然中常见的多种分布和实地试验中收集的真实世界数据的方法。

0
下载
关闭预览

相关内容

【图与几何深度学习】Graph and geometric deep learning,49页ppt
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
专知会员服务
37+阅读 · 2020年9月27日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Yoshua Bengio,使算法知道“为什么”
专知会员服务
7+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
【泡泡前沿追踪】跟踪SLAM前沿动态系列之IROS2018
泡泡机器人SLAM
29+阅读 · 2018年10月28日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Real-time Scalable Dense Surfel Mapping
Arxiv
5+阅读 · 2019年9月10日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
【泡泡前沿追踪】跟踪SLAM前沿动态系列之IROS2018
泡泡机器人SLAM
29+阅读 · 2018年10月28日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Top
微信扫码咨询专知VIP会员