Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Progress on “Pico” Air Vehicles Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

A Multi-robot Control Policy for Information Gathering in the Presence of Unknown Hazards

verfasst von : Mac Schwager, Philip Dames, Daniela Rus, Vijay Kumar

Erschienen in: Robotics Research

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper addresses the problem of deploying a network of robots to gather information in an environment, where the environment is hazardous to the robots. This may mean that there are adversarial agents in the environment trying to disable the robots, or that some regions of the environment tend to make the robots fail, for example due to radiation, fire, adverse weather, or caustic chemicals. A probabilistic model of the environment is formulated, under which recursive Bayesian filters are used to estimate the environment events and hazards online. The robots must control their positions both to avoid sensor failures and to provide useful sensor information by following the analytical gradient of mutual information computed using these online estimates. Mutual information is shown to combine the competing incentives of avoiding failure and collecting informative measurements under a common objective. Simulations demonstrate the performance of the algorithm.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Robust Adaptive Coverage for Robotic Sensor Networks
Nächstes Kapitel Motion Planning Under Uncertainty Using Differential Dynamic Programming in Belief Space
Literatur
1.
F. Bourgault, A.A. Makarenko, S.B. Williams, B. Grocholsky, H.F. Durrant-Whyte, Information based adaptive robotic exploration, in Proceedings of the IEEE International Conference on Intelligent Robots and Systems (IROS 02) (2002), pp. 540–545
2.
H.-L. Choi, J.P. How, Continuous trajectory planning of mobile sensors for informative forecasting. Automatica 46(8), 1266–1275 (2010)MathSciNetCrossRefMATH
3.
H.-L. Choi, J.P. How, Efficient targeting of sensor networks for large-scale systems. IEEE Trans. Control Syst. Technol. 19(6), 1569–1577 (2011)CrossRef
4.
J. Cortés, S. Martínez, T. Karatas, F. Bullo, Coverage control for mobile sensing networks. IEEE Trans. Robot. Autom. 20(2), 243–255 (2004)
5.
R.A. Cortez, H.G. Tanner, R. Lumia, C.T. Abdallah, Information surfing for radiation map building. Int. J. Robot. Autom. 26(1), 4–12 (2011)MATH
6.
T. Cover, J. Thomas, Elements of Information Theory, 2 edn. (Wiley, 2006)
7.
B. Grocholsky, Information-Theoretic Control of Multiple Sensor Platforms. Ph.D. thesis, University of Sydney (2002)
8.
G.M. Hoffmann, C.J. Tomlin, Mobile sensor network control using mutual information methods and particle filters. IEEE Trans. Autom. Control 55(1), 32–47 (2010)MathSciNetCrossRef
9.
A. Howard, M.J. Matarić, G.S. Sukhatme, Mobile sensor network deployment using potential fields: a distributed, scalable solution to the area coverage problem, in Proceedings of the 6th International Symposium on Distributed Autonomous Robotic Systems (DARS02), Fukuoka, Japan (2002)
10.
B.J. Julian, M. Angermann, M. Schwager, D. Rus, A scalable information theoretic approach to distributed robot coordination, in Proceedings of the IEEE/RSJ Conference on Intelligent Robots and Systems (IROS), San Francisco, CA, USA (2011)
11.
A. Krause, C. Guestrin, Near-optimal observation selection using submodular functions, in Proceedings of 22nd Conference on Artificial Intelligence (AAAI), Vancouver, Canada (2007)
12.
A. Krause, C. Guestrin, A. Gupta, J. Kleinberg, Near-optimal sensor placements: maximizing information while minimizing communication cost, in Proceedings of Information Processing in Sensor Networks (IPSN), Nashville, TN (2006)
13.
A. Krause, A. Singh, C. Guestrin, Near-optimal sensor placements in gaussian processes: theory, efficient algorithms and empirical studies. J. Mach. Learn. Res. 9, 235–284 (2008)MATH
14.
W. Li, C.G. Cassandras, Distributed cooperative coverage control of sensor networks, in Proceedings of the IEEE Conference on Decision and Control, and the European Control Conference, Seville, Spain (2005)
15.
K.M. Lynch, I.B. Schwartz, P. Yang, R.A. Freeman, Decentralized environmental modeling by mobile sensor networks. IEEE Trans. Robot. 24(3), 710–724 (2008)CrossRef
16.
S. Martínez, Distributed interpolation schemes for field estimation by mobile sensor networks. IEEE Trans. Control Syst. Technol. 18(2), 419–500 (2010)CrossRef
17.
D.P. Palomar, S. Verdú, Gradient of mutual information in linear vector gaussian channels. IEEE Trans. Inf. Theory 52(1), 141–154 (2006)MathSciNetCrossRefMATH
18.
D.P. Palomar, S. Verdú, Representation of mutual information via input estimates. IEEE Trans. Inf. Theory 53(2), 453–470 (2007)MathSciNetCrossRefMATH
19.
M. Schwager, D. Rus, J.J. Slotine, Decentralized, adaptive coverage control for networked robots. Int. J. Robot. Res. 28(3), 357–375 (2009)CrossRef
20.
21.
P. Viola, W.M. Wells III, Alignment by maximization of mutual information. Int. J. Comput. Vis. 24(2), 137–154 (1997)CrossRef
22.
M.P. Vitus, C.J. Tomlin, Sensor placement for improved robotic navigation, in The Proceedings of Robotics: Science and Systems, Zaragoza, Spain (2010)
Metadaten
Titel
A Multi-robot Control Policy for Information Gathering in the Presence of Unknown Hazards
verfasst von
Mac Schwager
Philip Dames
Daniela Rus
Vijay Kumar
Copyright-Jahr
2017
Buch
Robotics Research

Print ISBN: 978-3-319-29362-2

Electronic ISBN: 978-3-319-29363-9

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-29363-9_26

Neuer Inhalt

    Bildnachweise