Key points are not available for this paper at this time.
자율 해양 차량(AUV)은 민간 및 군사적 응용을 위해 오션 조사, 모니터링 및 수색 및 구조 작업에 널리 사용되어 왔습니다. 효율성과 비용 효과성을 위해 환경 샘플링 및 센싱 작업을 수행하는 다수의 AUV를 사용하는 것이 유익합니다. 본 논문에서는 관심 지역의 스칼라 필드를 추정하기 위해 다수의 AUV를 위한 적응형 경로 계획 알고리즘을 제안합니다. 제안된 방법에서는 스칼라 필드를 나타내기 위해 여러 기초 함수로 구성된 측정 가능한 모델을 정의합니다. 다수의 AUV가 수집한 정보를 통해 모델 추정을 달성하기 위해 선택적 기초 함수 칼만 필터를 개발합니다. 또한, 다차원 랜덤 탐색 트리 스타 알고리즘을 사용하여 상호 정보를 활용한 다중 AUV 시스템을 위한 경로 계획 방법을 제안합니다. 경로 계획 알고리즘을 사용하여 AUV의 샘플링 위치를 결정하여 스칼라 필드 모델과 관측 간의 상호 정보를 최대화하여 향후 샘플의 품질을 향상시킵니다. 제안된 알고리즘의 효과성을 입증하기 위한 광범위한 시뮬레이션 결과를 제공합니다. 또한, 제시된 알고리즘을 검증하기 위해 네 마리의 로봇 물고기를 사용한 실내 실험이 수행됩니다.
Cui et al. (Thu,)는 이 문제를 연구했습니다.