Trajectory Optimization for Adaptive Informative Path Planning with Multimodal Sensing

我们考虑一个配备多个传感器的自主代理问题，每个传感器具有不同的感知精度和能源成本。代理的目标是在未知的、部分可观测的环境中，在资源约束条件下探索环境并收集信息。挑战在于在考虑代理的资源和动态约束的同时，推理出感知和移动的影响。我们将问题制定为轨迹优化问题，并使用基于投影的轨迹优化方法来解决，其中目标是减少高斯过程世界信念的方差。我们的方法在长时间轨迹中表现优于以前的方法，可以实现总体方差减少高达85％，并将环境信念的均方根误差减少50％。这种方法是为支持NASA VIPER任务中的漫游器路径规划而开发的。

多传感器探索的资源约束问题。如何在未知、部分可观测的环境中，同时考虑资源和动态约束，推理出感知和移动的影响，以达到探索环境、收集信息的目标？

将问题转化为轨迹优化问题，使用基于投影的轨迹优化方法。目标是减少高斯过程世界信念的方差。相比之前的方法，在长期轨迹上实现了高达85%的总体方差降低和50%的环境信念均方根误差降低。

实验使用NASA VIPER任务中的火星车路径规划作为支持，设计了投影优化算法，并使用多种数据集进行了实验。研究结果表明，该方法在长期轨迹上的表现优于之前的方法。

最近的相关研究包括：《Multi-robot Exploration and Mapping with Decentralized Control and Communication》、《Efficient Exploration and Mapping with Autonomous Underwater Vehicles Using a Learned Prior》等。