SMA-NBO:目標追跡における公称信念状態最適化による逐次マルチエージェント計画【JST・京大機械翻訳】

Li Tianqi; Krakow Lucas W.; Gopalswamy Swaminathan

プレプリント

J-GLOBAL ID：202202219099573470 整理番号：22P0298157

SMA-NBO:目標追跡における公称信念状態最適化による逐次マルチエージェント計画【JST・京大機械翻訳】

SMA-NBO: A Sequential Multi-Agent Planning with Nominal Belief-State Optimization in Target Tracking

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月02日プレプリントサーバーでの情報更新日： 2022年03月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

モバイルマルチセンサシステムによるターゲット追跡において,センサ配置は観測能力と結果としての状態推定品質に影響を与える。観測可能なセンサ動力学,観測不能なターゲット状態,および付随する観測法則から成る部分観測Markov決定プロセス(POMDP)定式化に基づいて,著者らは,マルチエージェントターゲット追跡問題,すなわち,逐次マルチエージェント名目信念状態最適化(SMA-NBO)への分散情報駆動解法を提示した。SMA-NBOは,発見的期待コスト対go(HECTG)を含む後退水平制御を介して,期待追跡誤差を最小化することを追求する。SMA-NBOは,水平上の目標信念状態の計算的に効率的な近似を組み入れる。エージェント-エージェント意思決定は,非-筋肉協同的集団行動を示す選択(準最適)目標追跡操作のために,オンボード(エッジ)計算をレバレッジできる。最適化問題は,世界モデルからターゲットオクルージョンを定義する意味情報を明示的に組み入れる。この手法の有効性を説明するために,ランダムオクルージョン森林環境をシミュレートした。SMA-NBOを他のベースラインアプローチと比較した。シミュレーション結果は,SMA-NBO1)が追跡性能を維持して,最大事後推定に基づく単一サンプル軌道による予想目標軌道の計算を置き換えることによって,計算コストを減少することを示した。2)インテントの他のエージェントの政策の効率的利用によって,単一エージェント政策を順次最適化することによって協同的フリート決定を作り出す。3)多重加重トレースペナルティ(MWTP)HECTGを適当に組み込み,計算的に効率的な発見的手法で追跡性能を改善した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , システム設計・解析

, , , , , ,

前のページに戻る