elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Robotic Active Information Gathering for Spatial Field Reconstruction with Rapidly-Exploring Random Trees and Online Learning of Gaussian Processes

Viseras, Alberto und Shutin, Dmitriy und Merino, Luis (2019) Robotic Active Information Gathering for Spatial Field Reconstruction with Rapidly-Exploring Random Trees and Online Learning of Gaussian Processes. Sensors. Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/s19051016. ISSN 1424-8220.

[img] PDF - Verlagsversion (veröffentlichte Fassung)
3MB

Offizielle URL: https://www.mdpi.com/1424-8220/19/5/1016

Kurzfassung

Information gathering (IG) algorithms aim to intelligently select a mobile sensor actions required to efficiently obtain an accurate reconstruction of a physical process, such as an occupancy map, or a magnetic field. Many recent works have proposed algorithms for IG that employ Gaussian processes (GPs) as underlying model of the process. However, most algorithms discretize the state space, which makes them computationally intractable for robotic systems with complex dynamics. Moreover, they are not suited for online information gathering tasks as they assume prior knowledge about GP parameters. This paper presents a novel approach that tackles the two aforementioned issues. Specifically, our approach includes two intertwined steps: (i) a Rapidly-Exploring Random Tree (RRT) search that allows a robot to identify unvisited locations, and to learn the GP parameters, and (ii) an RRT*-based informative path planning that guides the robot towards those locations by maximizing the information gathered while minimizing path cost. The combination of the two steps allows an online realization of the algorithm, while eliminating the need for discretization. We demonstrate that our proposed algorithm outperforms state-of-the-art both in simulations, and in a lab experiment in which a ground-based robot explores the magnetic field intensity within an indoor environment populated with obstacles.

elib-URL des Eintrags:https://elib.dlr.de/127043/
Dokumentart:Zeitschriftenbeitrag
Titel:Robotic Active Information Gathering for Spatial Field Reconstruction with Rapidly-Exploring Random Trees and Online Learning of Gaussian Processes
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Viseras, AlbertoAlberto.ViserasRuiz (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Shutin, DmitriyDmitriy.Shutin (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Merino, Luislmercab (at) upo.esNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Februar 2019
Erschienen in:Sensors
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Ja
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.3390/s19051016
Verlag:Multidisciplinary Digital Publishing Institute (MDPI)
ISSN:1424-8220
Status:veröffentlicht
Stichwörter:robotics; information gathering; Gaussian processes (GPs); rapidly exploring random trees (RRT)
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Kommunikation und Navigation
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R KN - Kommunikation und Navigation
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben GNSS2/Neue Dienste und Produkte (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Kommunikation und Navigation > Nachrichtensysteme
Hinterlegt von: Viseras Ruiz, Alberto
Hinterlegt am:02 Apr 2019 17:27
Letzte Änderung:31 Okt 2023 15:06

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.