Ich arbeite derzeit an der Zustandsschätzung / Navigation für ein System mit mehreren Robotern. Ab sofort lokalisiert sich jeder Roboter mit einem Kalman-Filter, der visionsbasierte Messungen liefert. Als nächste Schritte möchte ich zwei Dinge tun:
- Erweitern Sie dieses Filter-Framework auf alle Roboter, damit diese zusammenarbeiten und die Lokalisierung des anderen verbessern können
- Erstellen Sie zusammen mit den oben genannten Informationen ein Pfadplanungs-Framework, sodass sie so navigieren können, dass ihre Lokalisierungsgenauigkeit immer maximiert wird, wodurch das Problem des Positionsverlusts usw. beseitigt wird.
Zu diesem Zweck habe ich über Zustandsschätzungs- und Planungsstrategien für mehrere Roboter gelesen und bin auf die Planung des Glaubensraums gestoßen: oder auf die Planung unter Unsicherheit. Während die Mathematik intuitiv Sinn macht, habe ich Probleme mit der Implementierung dieser Techniken in meinem realen Szenario, insbesondere für mehrere Roboter. Ich habe Erfahrung mit Algorithmen wie EKF, UKF usw. und stichprobenbasierten Planungsstrategien wie PRM / RRT, aber ich habe Probleme mit der probabilistischen Verbindung zwischen diesen beiden.
Bisher habe ich mich mit Forschungsarbeiten befasst, aber als jemand, der hauptsächlich Programmierer ist, versuche ich, etwas zugänglicheres zu finden, das mir hilft, die (etwas abstrakte) Mathematik mit meinem spezifischen Problem zu verknüpfen: zum Beispiel beim Definieren Begriffe wie „gemeinsamer Glaube der gesamten Gruppe“ unter Verwendung der mir vorliegenden Daten. Was sind meine besten Optionen und gibt es bessere Ressourcen, die ich konsultieren kann?