自律ナビゲーションによるエッジ・インテリジェンスへの到達：ロボット支援データ収集アプローチ

要旨: エッジ・インテリジェンス・システムにおいて大規模かつ高品質なデータへの需要が高まるにつれ、モバイルロボットは特に複雑な環境でデータを主導的に収集するために、ますます導入されるようになっています。しかし、既存のロボット支援型データ収集手法は、特に見通し外（NLoS）環境において、信頼性が高く効率的な性能を実現するという点で重大な課題に直面しています。本論文は、領域に応じた伝搬特性と非点質量ロボット表現を組み込んだ、通信・学習の二重駆動（CLD）自律航行方式を提案します。この方式により、航行・通信・学習の性能を同時に最適化することが可能になります。非凸かつ非滑らかなCLD問題を解くために、majorization-minimization（MM）に基づく効率的なアルゴリズムを提案します。シミュレーション結果により、本提案方式は、衝突回避航行、データ収集、モデル学習のいずれにおいても、ベンチマーク手法と比べて優れた性能を達成することが示されます。また、CLDは、航行・通信・学習の目的間における重み係数を柔軟に調整することで、異なるシナリオに適応できることも示されています。