要旨: 効率的かつ頑健な経路計画は、利用可能なすべての情報源を組み合わせることにかかっています。特に、ロボットによる環境の探索および監視のための経路計画の課題は、世界に関する現在の信念に大きく依存します。信念に含まれる不確実性を捉えるために、本研究では、マルチモーダルな環境センシングデータに適応しつつ、状態および入力の制約を組み込む、ガウス過程に基づく経路計画手法を提案します。経路計画問題を解くために、後退ホライズン（receding horizon）の考え方に従って将来の経由点を最適化し、したがって本手法のコストは、これらすべての経由点に関するガウス過程事後分布の関数になります。この手法は OLAhGP と呼ばれ、監視シナリオにおいて、高忠実度モデルと現場（in-situ）センシングデータの両方から得られた海洋藻類ブルームのデータを用いて、自律型の水上艇により実証します。シミュレーションおよび実験の結果は、既存手法に対して大幅な改善を示しました。同じ数のサンプルを用いた場合、本手法はより情報量の多い経路を生成し、関心領域において、総誤分類確率および二値の誤分類率の観点で、クロロフィルaが豊富な水域における藻類ブルームの同定精度をより高めることを達成します。
適応型パス計画のためのマルチステップガウス過程伝播
arXiv cs.RO / 2026/4/22
📰 ニュースDeveloper Stack & InfrastructureModels & Research
要点
- 本論文では、世界に対するロボットの信念（belief）を不確実性として表現し、多様な環境センシングデータに適応できるガウス過程ベースの適応型パス計画手法 OLAhGP を提案します。
- パス計画は、後方（receding horizon）型の手法で将来のウェイポイントを最適化し、そのコストをそれらの候補ウェイポイント全体に対するガウス過程の事後分布に基づいて定義します。
- 状態および入力の制約を明示的に組み込み、現実的な運用制限のもとで頑健かつ実行可能な経路を目指します。
- 高精度モデルと現場（in-situ）センシングの両方のデータを用いた海洋藻類ブルーム計測シナリオで、自律型の水上船による実験により、既存手法に対して改善が確認されています（誤分類に関する指標で評価）。
- まとめると、OLAhGP はより情報量の高い経路を生成し、総誤分類確率および二値誤分類率を低減することで、クロロフィルa が豊富な水域におけるブルーム検出精度を高めます。
