A Survey of Decision-Theoretic Approaches for Robotic Environmental Monitoring
Monitorowanie środowiska jest kluczową dziedziną obejmującą różnorodne zastosowania, w tym eksplorację mórz, ochronę dzikiej przyrody, ocenę ekosystemów i monitorowanie jakości powietrza. Zbieranie dokładnych i aktualnych danych z niedostępnych miejsc i trudnych środowisk jest niezbędne do zrozumienia i rozwiązania kwestii środowiskowych.
Roboty oferują obiecujące rozwiązanie, umożliwiając gromadzenie danych w niespotykanej dotąd skali przestrzenno-czasowej. Jednak poleganie wyłącznie na teleoperacji jest niepraktyczne i ogranicza wydajność i skuteczność działań związanych z monitorowaniem środowiska. Autonomia odgrywa kluczową rolę w uwalnianiu pełnego potencjału robotów, umożliwiając im niezależne i inteligentne działanie w złożonych środowiskach.
Niniejsza monografia koncentruje się na problemach decyzyjnych wysokiego poziomu w autonomicznych robotach monitorujących środowisko. Podejmowanie decyzji na wysokim poziomie obejmuje planowanie strategiczne i koordynację w celu optymalizacji gromadzenia danych.
Sprostanie tym wyzwaniom pozwala robotom na autonomiczną nawigację, eksplorację i gromadzenie danych naukowych w szerokim zakresie zastosowań monitorowania środowiska. W monografii zawarto reprezentacje dla różnych środowisk, a także omówienie wykorzystania tych prezentacji do rozwiązywania interesujących zadań, takich jak uczenie się, lokalizacja i monitorowanie.
Aby efektywnie realizować zadania, algorytmy optymalizacji decyzyjno-teoretycznej rozważają: (1) skąd wykonywać pomiary, (2) jakie zadania przydzielić, (3) jakie próbki zbierać, (4) kiedy zbierać próbki, (5) jak uczyć się środowiska; oraz (6) z kim się komunikować. Wreszcie, niniejsza praca kończy się przedstawieniem wyzwań i możliwości w zrobotyzowanym monitorowaniu środowiska.
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)