基于随时移动感知机器人优调度算法研究.pdfVIP

2015IEEE/RSJ国际智能机器人与系统会议（IROS）汉堡会议‑10

月2日。德国汉堡

随时规划移动感知机器人的最优调度

于京津JavedAslamSertacKaramanDanielaRus

—我们研究了这样一个问题：一个移动感知机器人被指

派在一组空间分布的点（POIs）之间移动并在这些点上收

集信息。在一个POI上收集的信息质量由某个与时间相关的感觉

（）函数来表征。在有限的情况下，机器人必须

往的POIs的行驶时间与在POIs上执行耗时的感知活动之间

取得平衡，以最大化总体。在一种对偶表述中，机器人需

要以最少的时间获得最低限度的。我们提出了一种随时规

划算法，该算法可以以任意精度解决上述两个NP难问题，适用

于任意函数。通过一组广泛的计算实验表明，该算法在具

有数十到数百个POIs的大规模实例上也十分有效。除了移动传

感器调度外，我们的算法还可应用于诸如智能和最优行程规划

等自动化场景。

I.引言

考虑这样一种场景：一位环境科学家希望为一中

机器人规划一次自动的、GPS的行程，以在一组空间

分布的偏远地理位置（即点或POIs）收集有价值的数

据（例如，音频、、温度等）。为了执行任务，机器

人必须前往这些POIs，并在每个的POI执行数据收

集，而这两项操作都耗费时间。通常，在某个POI收集到

的信息质量直接取决于（以递减的方式）在该POI停留的图1.top一个科学场景，其中一架无人机从多个地理位置（兴

时间长短。当机器人仅在有限的时间内可供科学家使用时趣点）收集数据（例如，图像、、空气质量、温度等）。在本例中，

有四个山区和三个湖泊。bottom每个点都关联一个已知的感知

（许多共享资源都是这种情况），我们的环境科学家将面

函数，用于表征在该点停留期间的信息增益。由于有限，无人机

临设计一个最优计划的，以使机器人根据某种度量标必须通过仔细选择要的点子集并决定在每个的点执

准获取最有价值的数据组合。是否存在一种有原则的方法，行感知活动的时间，以最大化总信息增益。示例，最佳调度可

使她可以利用该方法进行具有最优性保证的行程规划？能仅两个山区和两个湖泊。

本文中，我们提出了最优游客问题（OTP）以及一个相在点所花费的时间。由于在点之间移动和在

关的随时可用算法，以应对上述自主规划和调度场景。在基点进行感知以获取信息都需要耗费时间，因此自然地出现

本设定中，一个机器人（等价地，一个游客）被指派最多访

了优化问题。我们引入了两个相互对偶的相关。在第

问n个空间分布的点（POIs）。每个点都关联有一

一个问题中，最大化旅行者（RMT）希望在有限的时

个感知函数（或简称为函数），即一个非负有界的

间预算下最大化收集到的总信息。从对偶的角度来看，在

函数，其变量为

第二个问题中，预算最小化旅行者（BMT）希望收集预定

J.Yu和D.Rus供职于麻省理工学院的计算机科学与，数量的所需的最短时间。我们了一种基于混合整

电子邮件地址：jingjin,rus@csail.mit.edu。J.Aslam供职于东

学的计算机与信息科学学院，电子邮件地址：jaa@ccs.neu.edu。S.数规划（MIP）的随时