[論文レビュー] Informative Path Planning and Mapping with Multiple UAVs in Wind Fields

Doo-Hyun Cho, Jung-Su Ha+3 more|arXiv (Cornell University)|Oct 5, 2016

Gaussian Processes and Bayesian Inference参考文献 15被引用数 4

ひとこと要約

本稿では、風の影響を受ける環境において複数のUAVを用いた情報獲得パス計画と環境マッピングのための体系的フレームワークを提案する。相互情報量の最大化とガウス過程回帰を活用し、タスク位置最適化、風に配慮したパス計画、多UAVルーティング（MDMTSP）を統合することで、エネルギー消費を最小限に抑えつつ情報獲得量を最大化する。山岳地帯における3台のUAVを用いたRF信号マッピングのシミュレーションで、有効に実証された。

ABSTRACT

Informative path planning (IPP) is used to design paths for robotic sensor platforms to extract the best/maximum possible information about a quantity of interest while operating under a set of constraints, such as the dynamic feasibility of vehicles. The key challenges of IPP are the strong coupling in multiple layers of decisions: the selection of locations to visit, the allocation of sensor platforms to those locations; and the processing of the gathered information along the paths. This paper presents a systematic procedure for IPP and environmental mapping using multiple UAV sensor platforms. It (a) selects the best locations to observe, (b) calculates the cost and finds the best paths for each UAV, and (c) estimates the measurement value within a given region using the Gaussian process (GP) regression framework. An illustrative example of RF intensity field mapping is presented to demonstrate the validity and applicability of the proposed approach.

研究の動機と目的

• 動的で風の影響を受ける環境において、複数のUAVを用いて効率的かつエネルギーに配慮した情報収集を実現すること。
• 最適な情報収集を実現するため、タスク位置選択、風に配慮したパス計画、多UAVルーティングを統合する体系的プロシージャーの開発。
• ガウス過程回帰を用いた確率的モデリングにより、空間的に変動する場（例：RF強度）の正確な環境マッピングを可能とすること。
• 風の場を活用してパス計画を行うことでエネルギー消費を低減しつつ、情報収集の性能を維持すること。
• 山岳地帯で風の影響を受ける現実的な環境におけるRF信号マッピングを想定したシミュレーションを通じて、フレームワークの実現可能性と有効性を実証すること。

提案手法

• 領域全体の情報獲得量を最大化するために、相互情報量を情報基準として用いてタスク位置を最適化する。
• UAVの運動を、速度100 m/s、最小旋回半径50 mのダビンスパスモデルでモデル化し、前進・後退パスにおける風場の影響を考慮する。
• FMT*アルゴリズムを用いてタスク位置間の双方向パスコストを計算し、ルーティング用の距離行列を生成する。
• 全被覆を保証する複数のドア（複数の拠点）を有する複数巡回セールスマン問題（MDMTSP）を解くことで、UAVにルートを割り当てる。
• 学習済みハイパーパrameter（σf=30 dBm, σn=1 dBm, lx=ly=4 km）を用いたガウス過程回帰（GPR）を適用し、リアルタイムでのRF信号強度マップと不確実性の推定を実現する。
• 10秒ごとのセンサーサンプリングレートを用い、式（16）によりハイパーパrameterを更新することで、データ収集中に相互情報量を最大化する。

実験結果

リサーチクエスチョン

• RQ1 風の影響を受ける非凸領域において、情報獲得量を最大化するためにタスク位置をどのように最適に選択できるか？
• RQ2 風場のダイナミクスをどのようにUAVパス計画に統合することで、エネルギー消費を低減し、パスの実行可能性を向上させられるか？
• RQ3 MDMTSP定式化をどのように変更することで、全被覆を保証しつつ総移動コストを最小化する複数のUAVのルート割り当てを実現できるか？
• RQ4 相互情報量の最大化とガウス過程回帰の統合は、正確で不確実性を考慮した環境マッピングを達成するためにどの程度有効か？
• RQ5 風場モデリングの影響は、多UAV情報獲得パス計画とマッピング全体のパフォーマンスにどのような影響を及えるか？

主な発見

• 提案されたフレームワークにより、領域全体の不確実性が著しく低減された。初期段階では高不確実性（濃い領域）が広がっていたが、最終段階では低不確実性（明るい領域）に変化した。
• 推定されたRF信号強度マップは、Radio Mobileソフトウェアで生成された元のデータとよく一致しており、GPRに基づくマッピング手法の正確性を示している。
• UAVは指定されたすべてのタスク位置をカバーするパスを実行した。図6の赤線は、ダビンスダイナミクスと風に配慮したルーティングに基づく実際の飛行経路を示している。
• FMT*を用いた双方向パスコスト計算により、正確な距離行列が生成され、MDMTSPの解法に不可欠な役割を果たした。
• 3台のUAVを用いたシミュレーションにより、風場の活用を通じてエネルギー効率を維持しつつ、高い情報収集効率を達成できることを確認した。
• 最終的な不確実性マップは、情報豊富な領域が優先的に選択され、密にサンプリングされていることを示しており、相互情報量に基づくタスク選択戦略の有効性が裏付けられた。