利用β-稀疏高斯過程的協作導航與探索
提出了一種新框架，使異構機器人能夠在頻寬受限下協作導航，透過β-稀疏高斯過程選擇地圖點並平衡探索與任務相關性，模擬顯示路徑成本降低18%，資訊傳輸減少76%。
文章情報
工程師進階
要點
- 提出β-稀疏高斯過程模型用於任務感知誘導點選擇
- 感測器機器人可線上聯合選擇傳輸的地圖點和導航動作
- 平衡任務相關性和探索的行動選擇策略
- 在火星和地球地圖模擬中路徑成本降低18%，資訊傳輸減少76%
為什麼重要
這條新聞值得關注，因為提出β-稀疏高斯過程模型用於任務感知誘導點選擇。
技術影響
可能影響模型選型、推理成本、產品能力和評測基準。
在未知環境中，異構機器人的協作導航面臨著感測、通訊和計算能力的嚴重限制。本文提出了一種創新框架，其中領先機器人（如地面車輛）朝目標導航，而移動感測器機器人（例如無人機）在頻寬約束下協助傳輸其區域性觀測環境的資訊。該框架的核心創新在於使感測器機器人能夠線上聯合選擇其傳輸的地圖點和導航動作，同時還能預測環境中的未探索區域。為了實現這一目標，作者提出了β-稀疏高斯過程（β-Sparse Gaussian Processes），這是一種新穎且魯棒的變分稀疏高斯過程模型，專門用於任務感知的誘導點選擇。此外，還開發了一種行動選擇策略，能夠智慧地平衡任務相關性與環境探索。在火星和地球地圖上的模擬實驗表明，與無通訊的基線相比，該框架可將路徑成本降低18%；與原始資料傳輸基線相比，傳輸資訊量減少76%。該論文共16頁，包含6張圖表，於2026年5月25日提交至arXiv，作者為Evangelos Psomiadis及其他兩位合作者。這項工作對於行星探測、災害救援等通訊受限環境中的機器人自主導航具有重要意義，未來的研究方向包括在實體機器人平臺上進行驗證以及擴充套件到多感測器協作場景。