[論文レビュー] Active Markov information-theoretic path planning for robotic environmental sensing

Kian Hsiang Low, John M. Dolan+1 more|arXiv (Cornell University)|May 2, 2011

Gaussian Processes and Bayesian Inference参考文献 17被引用数 29

ひとこと要約

本稿では、非マルコフ的手法と比較して計算複雑性を顕著に低減しつつも、競争力のあるサンプリング性能を維持する、ロボットによる環境センシングのためのマルコフに基づく情報理論的パスプランニング手法を提案する。アクティブサンプリング問題をマルコフ意思決定過程としてモデル化することで、ガウス過程に基づくフィールドマッピングにおけるリアルタイムでスケーラブルなパスプランニングが可能となり、特定の条件下で性能に関する理論的保証が得られ、実温度およびプランクトン密度データを用いた実証的検証が行われた。

ABSTRACT

Recent research in multi-robot exploration and mapping has focused on sampling environmental fields, which are typically modeled using the Gaussian process (GP). Existing information-theoretic exploration strategies for learning GP-based environmental field maps adopt the non-Markovian problem structure and consequently scale poorly with the length of history of observations. Hence, it becomes computationally impractical to use these strategies for in situ, realtime active sampling. To ease this computational burden, this paper presents a Markov-based approach to efficient information-theoretic path planning for active sampling of GP-based fields. We analyze the time complexity of solving the Markov-based path planning problem, and demonstrate analytically that it scales better than that of deriving the non-Markovian strategies with increasing length of planning horizon. For a class of exploration tasks called the transect sampling task, we provide theoretical guarantees on the active sampling performance of our Markov-based policy, from which ideal environmental field conditions and sampling task settings can be established to limit its performance degradation due to violation of the Markov assumption. Empirical evaluation on real-world temperature and plankton density field data shows that our Markov-based policy can generally achieve active sampling performance comparable to that of the widely-used non-Markovian greedy policies under less favorable realistic field conditions and task settings while enjoying significant computational gain over them.

研究の動機と目的

• マルチロボット環境センシングにおける非マルコフ的手法の高い計算コストを解決すること。
• ガウス過程に基づく環境フィールドのアクティブサンプリングのためのスケーラブルでリアルタイムなパスプランニング手法を開発すること。
• 特定のフィールドおよびタスク条件の下で、マルコフベースのポリシーの性能に理論的保証を提供すること。
• 実世界の温度およびプランクトン密度データを用いて、本手法の性能および計算効率を実証的に検証すること。

提案手法

• アクティブサンプリング問題をマルコフ意思決定過程としてモデル化することで、情報利得計算の履歴依存性を低減する。
• マルコフ性を活用して、将来の観測における情報利得の計算を簡素化し、効率的な計画を可能にする。
• 時間計算量の分析を用いて、計画ホライズンが延びるに従い、非マルコフ戦略と比較して優れたスケーラビリティを示す。
• トランセクトサンプリングタスクにおいて、マルコフ仮定の違反に起因する性能劣化の理論的境界を提供する。
• 実世界の環境データを用いてポリシーを評価し、グリーディー非マルコフベースラインと比較して、サンプリング効率および計算コストを検証する。

実験結果

リサーチクエスチョン

• RQ1 計画ホライズンが延びるに従い、マルコフベースのパスプランニングの計算複雑性は非マルコフ手法と比べてどのように変化するか？
• RQ2 どのような環境的およびタスク的条件下で、マルコフ仮定の違反があるにもかかわらず、マルコフベースのポリシーは強力なサンプリング性能を維持するか？
• RQ3 マルコフベースのアプローチは、非マルコフのグリーディーポリシーと同等のサンプリング性能を達成しながら、著しく計算コストを低減できるか？
• RQ4 トランセクトサンプリングタスクにおいて、マルコフベースのポリシーの性能にどのような理論的保証を設定できるか？

主な発見

• 理論的時間計算量解析により、計画ホライズンが延びるに従い、非マルコフ戦略と比較して、マルコフベースのパスプランニング手法がより効率的にスケーリングすることを示した。
• 実世界の温度およびプランクトン密度データにおいて、広く用いられる非マルコフのグリーディーポリシーと同等のサンプリング性能を達成した。
• 顕著な計算上の利点が得られ、非マルコフ手法が現実的でない状況においても、リアルタイムでの現地アクティブサンプリングが可能になった。
• トランセクトサンプリングタスクにおいて、性能劣化を制限する理想的なフィールドおよびタスク条件を特定する理論的性能保証を確立した。