論文の概要: Mr.MSTE: Multi-robot Multi-Source Term Estimation with Wind-Aware Coverage Control

• arxiv url: http://arxiv.org/abs/2512.17001v1
• Date: Thu, 18 Dec 2025 19:02:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.413019
• Title: Mr.MSTE: Multi-robot Multi-Source Term Estimation with Wind-Aware Coverage Control
• Title（参考訳）: Mr.MSTE:ウインド・アウェア・カバージ制御によるマルチロボットマルチソース推定
• Authors: Rohit V. Nanavati, Tim J. Glover, Matthew J. Coombes, Cunjia Liu,
• Abstract要約: このフレームワークは、結合した多ソース確率密度を表すハイブリッドベイズ推論スキームに基づいて構築されている。 重ね合わせに基づく測定モデルは自然に許容され、スパース濃度の測定を効率的に行うことができる。
• 参考スコア（独自算出の注目度）: 5.045646483880712
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a Multi-Robot Multi-Source Term Estimation (MRMSTE) framework that enables teams of mobile robots to collaboratively sample gas concentrations and infer the parameters of an unknown number of airborne releases. The framework is built on a hybrid Bayesian inference scheme that represents the joint multi-source probability density and incorporates physics-informed state transitions, including source birth, removal, and merging induced by atmospheric dispersion. A superposition-based measurement model is naturally accommodated, allowing sparse concentration measurements to be exploited efficiently. To guide robot deployment, we introduce a wind-aware coverage control (WCC) strategy that integrates the evolving multi-source belief with local wind information to prioritize regions of high detection likelihood. Unlike conventional coverage control or information-theoretic planners, WCC explicitly accounts for anisotropic plume transport when modelling sensor performance, leading to more effective sensor placement for multi-source estimation. Monte Carlo studies demonstrate faster convergence and improved separation of individual source beliefs compared to traditional coverage-based strategies and small-scale static sensor networks. Real-world experiments with CO2 releases using TurtleBot platforms further validate the proposed approach, demonstrating its practicality for scalable multi-robot gas-sensing applications.
• Abstract（参考訳）: 本稿では,移動ロボットのチームが協調してガス濃度をサンプリングし,未知数の空気中放出のパラメータを推定できるマルチロボットマルチソース項推定(MRMSTE)フレームワークを提案する。 このフレームワークは、結合した多ソース確率密度を表すハイブリッドベイズ推論スキームに基づいて構築され、大気の分散によって引き起こされる発生、除去、およびマージを含む物理インフォーム状態遷移を組み込む。 重ね合わせに基づく測定モデルは自然に許容され、スパース濃度の測定を効率的に行うことができる。 ロボットの展開を誘導するために,多元的信念と局所的な風情報を統合し,高い検出可能性の領域を優先するWCC戦略を導入する。 従来のカバレッジ制御や情報理論プランナとは異なり、WCCはセンサ性能をモデル化する際の異方性羽根輸送を明示的に考慮し、マルチソース推定においてより効果的なセンサ配置をもたらす。 モンテカルロの研究は、従来のカバレッジベースの戦略や小規模の静的センサーネットワークと比較して、より早く収束し、個々の情報源の信念の分離を改善した。 TurtleBot プラットフォームを用いた実世界のCO2 リリース実験は,提案手法をさらに検証し,スケーラブルなマルチロボットガスセンシングアプリケーションの実用性を実証した。

関連論文リスト

• AI-Augmented Density-Driven Optimal Control (D2OC) for Decentralized Environmental Mapping [0.0]
  本稿では,センサと通信の制限下でのマルチエージェント環境マッピングのためのAI拡張型分散フレームワークを提案する。 提案手法では, エージェントが局所密度推定を反復的に洗練できる適応的, 自己補正機構を提案する。
  論文  参考訳（メタデータ） (2026-01-28T23:55:02Z)
• Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
  マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。 離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。 本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
  論文  参考訳（メタデータ） (2025-08-27T17:59:36Z)
• Joint Multi-Target Detection-Tracking in Cognitive Massive MIMO Radar via POMCP [42.60472546232188]
  この対応は、MIMO(Multiple-input multiple-output)レーダー環境において、複数の目標を共同で検出・追跡するためのパワーアウェアな認知レーダフレームワークを示す。 部分観測可能なモンテカルロ計画(POMCP)に基づく従来の単一ターゲットアルゴリズムに基づいて,各ターゲットを独立したPOMCPツリーに割り当てることで,マルチターゲットケースに拡張する。
  論文  参考訳（メタデータ） (2025-07-23T13:43:29Z)
• Multi-source Plume Tracing via Multi-Agent Reinforcement Learning [41.03292974500013]
  ブホバル災害のような産業災害は、迅速で信頼性の高いプルームトレースアルゴリズムの必要性を示している。 勾配に基づく、あるいは生物学的にインスパイアされたアプローチのような伝統的な手法は、しばしば現実的で乱暴な状況で失敗する。 本稿では,複数の大気汚染源をローカライズするマルチエージェント強化学習(MARL)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-12T21:33:15Z)
• Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
  無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。 この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
  論文  参考訳（メタデータ） (2025-02-09T09:15:47Z)
• IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint Multi-Agent Trajectory Prediction [73.25645602768158]
  IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。 我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
  論文  参考訳（メタデータ） (2023-03-01T15:16:56Z)
• F2A2: Flexible Fully-decentralized Approximate Actor-critic for Cooperative Multi-agent Reinforcement Learning [110.35516334788687]
  分散マルチエージェント強化学習アルゴリズムは複雑なアプリケーションでは実践的でないことがある。 本稿では,大規模で汎用的なマルチエージェント設定を扱える,柔軟な完全分散型アクター批判型MARLフレームワークを提案する。 当社のフレームワークは,大規模環境におけるスケーラビリティと安定性を実現し,情報伝達を低減できる。
  論文  参考訳（メタデータ） (2020-04-17T14:56:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。