[논문 리뷰] Distributed Algorithms for Stochastic Source Seeking with Mobile Robot Networks: Technical Report

Nikolay Atanasov, Jérôme Le Ny외 1명|arXiv (Cornell University)|2014. 02. 01.

Distributed Control Multi-Agent Systems참고 문헌 35인용 수 5

한 줄 요약

이 논문은 모델 기반 및 모델 프리 두 가지 시나리오에서 이동 로봇 네트워크를 위한 분산 확률적 소스 탐색 알고리즘을 제안한다. 모델 프리 케이스에서는 로봇들이 노이즈가 있는 신호 측정값에 기반해 분산된 확률적 경사상승법을 사용하여 국소 소스 최대값으로 수렴한다. 모델 기반 케이스에서는 센서 측정값과 소스 위치 간 상호정보량을 최대화하기 위해 분산 경사 근사법을 사용한다. 주요 기여는 전역 위치 추적 또는 완벽한 형성 유지가 필요 없이 증명 가능하게 수렴하고, 강인하며 분산된 알고리즘이라는 점이다.

ABSTRACT

Autonomous robot networks are an effective tool for monitoring large-scale environmental fields. This paper proposes distributed control strategies for localizing the source of a noisy signal, which could represent a physical quantity of interest such as magnetic force, heat, radio signal, or chemical concentration. We develop algorithms specific to two scenarios: one in which the sensors have a precise model of the signal formation process and one in which a signal model is not available. In the model-free scenario, a team of sensors is used to follow a stochastic gradient of the signal field. Our approach is distributed, robust to deformations in the group geometry, does not necessitate global localization, and is guaranteed to lead the sensors to a neighborhood of a local maximum of the field. In the model-based scenario, the sensors follow the stochastic gradient of the mutual information between their expected measurements and the location of the source in a distributed manner. The performance is demonstrated in simulation using a robot sensor network to localize the source of a wireless radio signal.

연구 동기 및 목표

• 대규모 환경에서 노이즈가 있는 신호의 소스를 국소화하기 위한 분산 제어 전략을 개발한다.
• 정확한 신호 모델이 제공되지 않는 경우(모델 프리 시나리오)에 소스 국소화 문제를 해결한다.
• 신호 모델링을 활용하여 국소화 정확도와 수렴 속도를 향상시키는 모델 기반 접근법을 설계한다.
• 센서 네트워크 기하학적 변형에 강인하며 전역 위치 추적 기능이 필요하지 않은 알고리즘을 확보한다.
• 분산 계산 조건 하에서 소스 위치의 이웃 영역으로의 수렴에 대한 이론적 보장을 제공한다.

제안 방법

• 모델 프리 시나리오에서는 로봇들이 현지 측정값을 기반으로 신호장의 확률적 경사를 추정하고, 분산된 확률적 근사 알고리즘을 적용하여 경사를 상승시킨다.
• 알고리즘은 각 단계에서 국소 가중치를 재계산하여 형성 변형에 대응함으로써 네트워크 기하학적 변화에 강인함을 확보한다.
• 모델 기반 시나리오에서는 예측 측정값과 소스 위치 간 상호정보량(MI)의 경사를 분산 방식으로 계산한다.
• 중앙 집중식 계산이 필요 없도록 재귀적 최소 제곱법과 공감 기반 추정을 사용하여 MI 경사의 근사치를 도출한다.
• 상태 추정치가 진정한 소스 위치로 수렴하도록 세자로 평균화와 행렬 가중 공감을 활용한다.
• 이론적 분석은 마르코프 체인 수렴성과 행렬 부등식을 사용하여 시간이 지남에 따라 평균 제곱 오차가 0으로 수렴함을 증명한다.

실험 결과

연구 질문

• RQ1 사전에 신호 모델을 알지 못하는 상태에서 형성 강인성 있는 분산 알고리즘이 확률적 신호 소스를 국소화할 수 있는가?
• RQ2 소스 위치에 대한 정보 획득을 극대화하기 위해 센서 측정값과 소스 위치 간 상호정보량을 분산 방식으로 어떻게 최대화할 수 있는가?
• RQ3 측정 노이즈와 네트워크 변형이 존재하는 상황에서 분산 확률적 경사상승의 수렴 조건은 무엇인가?
• RQ4 공감 기반 평균화와 재귀적 추정이 분산 소스 탐색에서 추정 정확도를 어떻게 향상시키는가?
• RQ5 제안된 알고리즘이 전역 위치 추적 또는 완벽한 형성 유지 없이도 신호장의 국소 최대값으로 수렴할 수 있는가?

주요 결과

• 모델 프리 알고리즘은 형성 불완전성과 노이즈 있는 측정 조건에서도 신호장의 국소 최대값 주변으로 수렴한다.
• 세자로 평균화와 행렬 수렴 성질을 통해 증명된 바와 같이, 소스 추정치의 평균 제곱 오차는 시간이 지남에 따라 0으로 수렴한다.
• 분산된 MI 경사 근사화는 팀이 소스 위치에 대한 정보 획득을 극대화하는 구성으로 이동하도록 보장한다.
• 알고리즘은 네트워크 토폴로지 변화에 강인하며 전역 위치 추적 또는 완벽한 형성 유지가 필요하지 않다.
• 이론적 분석을 통해 주어진 가정 하에 상태 추정치가 거의 확실히 진정한 소스 위치로 수렴함을 확인하였다.
• 수렴 속도는 네트워크의 연결성과 신호 대 잡음 비율에 영향을 받으며, 잘 연결되고 잡음이 적은 네트워크일수록 더 빠른 수렴을 보인다.