[论文解读] Motion and Communication Co-optimization with Path Planning and Online Channel Estimation

Usman Ali, Hong Cai+2 more|arXiv (Cornell University)|Mar 5, 2016

Advanced MIMO Systems Optimization参考文献 23被引用 4

一句话总结

该论文提出了一种面向移动机器人的协同优化框架，通过实时动态规划轨迹并调整传输速率，结合在线信道估计，联合最小化运动与通信能耗。与离线方法相比，该方法通过适应实时信道测量，将总能耗降低了17.5%。

ABSTRACT

This paper considers the problem of optimally balancing motion energy and communication transmission energy of a mobile robot tasked with transmitting a given number of data bits to a remote station, while navigating to a prespecified destination in a given amount of time. The problem is cast in the setting of optimal control, where the robot has to choose its path, acceleration, and transmission rate along the path so as to minimize its energy required for transmission and motion, while satisfying various power and communication constraints. We use realistic models for the robot's channel estimation, motion dynamics, and power and energy costs. The main contribution of the paper is to show how to co-optimize robot's path along with other communication and motion variables. Two versions of the problem are solved: the first is defined offline by assuming that all the channel measurements are taken before the robots starts moving, while in the second the channel estimation is updated while the robot is in motion, and hence it is solved online. In both cases we utilize an in-house algorithm that computes near-optimal solutions in little time, which enables its use in the online setting. The optimization strategy is described in detail and validated by simulation of realistic scenarios.

研究动机与目标

• 解决在时间与数据交付约束下，最小化移动机器人运动与通信能耗的挑战。
• 通过在机器人运行过程中引入实时信道估计，扩展先前的离线协同优化方法。
• 实现能够根据动态信道条件自适应调整的路径规划，同时保持能耗效率。
• 开发一种计算高效的算法，支持实时重新优化并适用于在线部署。
• 在具有空间相关衰落特性的实际时变无线环境中验证该框架的性能。

提出的方法

• 将问题建模为一个最优控制问题，状态变量包括位置、速度和传输比特数，控制输入为加速度与频谱效率。
• 基于空间测量结果，采用现实的路径损耗与阴影衰落模型进行信道质量预测。
• 应用自主研发的优化算法，收敛时间在50次迭代以内，单次运行耗时不超过2秒。
• 实现在线更新机制，每10秒将新的信道测量值附加到先前数据上，以更新信道估计。
• 在每次更新时求解剩余时间范围内的代价函数，避免使用模型预测控制或滚动时域近似方法。
• 采用基于哈密顿函数的方法推导最优性必要条件，并通过迭代计算近似最优轨迹。

实验结果

研究问题

• RQ1 当信道条件时变且具有空间相关性时，如何在移动机器人中协同优化运动与通信能耗？
• RQ2 与静态预计算的信道预测相比，使用在线信道估计可实现多大的性能提升？
• RQ3 与固定路径的离线优化相比，实时路径规划能否显著降低总能耗？
• RQ4 动态信道估计的集成对轨迹优化的计算可行性与收敛速度有何影响？
• RQ5 自适应频谱效率与加速度控制对移动机器人通信系统的能耗效率有何影响？

主要发现

• 在线协同优化方法将总能耗从离线方法的371单位降低至304单位，实现17.5%的性能提升。
• 机器人动态调整其路径，优先选择信道质量更高的区域，从而降低传输功率需求。
• 在高质量信道区域，频谱效率提高，可在更低的每比特功率下实现更高的数据速率。
• 优化算法每次更新耗时不超过2秒，迭代次数少于50次，支持实时部署。
• 在线方法通过适应实际信道测量结果，避免了过时预测带来的误差，优于离线基线方法。
• 图11中的红色路径（代表在线解）相比虚线蓝色离线路径，展现出更高效的轨迹，尤其体现在避开低信噪比区域方面。