Problema de exploración

En robótica , el problema de exploración se refiere al uso de un robot para maximizar el conocimiento sobre un área determinada. Este problema surge en situaciones de mapeo robótico y búsqueda y rescate , donde un entorno puede ser peligroso o inaccesible para los humanos. ^{[ 1 ]}

El problema de la exploración surge naturalmente en situaciones en las que se utiliza un robot para inspeccionar un área peligrosa o inaccesible para los humanos. El campo de la exploración robótica se nutre de diversos campos de la recopilación de información y la teoría de la decisión , y se ha estudiado desde la década de 1950.

Los primeros trabajos en exploración robótica se realizaron en el contexto de autómatas simples de estados finitos conocidos como bandidos, donde se diseñaron algoritmos para distinguir y mapear diferentes estados en un autómata de estados finitos . Desde entonces, el énfasis principal se ha desplazado al dominio del desarrollo de sistemas robóticos, donde se han utilizado robots guiados por algoritmos de exploración para inspeccionar volcanes, ^{[ 2 ]} búsqueda y rescate, y mapeo de minas abandonadas. ^{[ 3 ]} El estado actual de la técnica incluye técnicas avanzadas de localización activa, exploración basada en localización y mapeo simultáneos (SLAM) y exploración cooperativa multiagente.

El concepto clave en el problema de exploración es la noción de ganancia de información, es decir, la cantidad de conocimiento adquirido al expandir las fronteras. Una medida probabilística de ganancia de información se define mediante la entropía.

${\displaystyle H_{p}(x)=-\int p(x)\log p(x)\,dx.}$

La función${\displaystyle H_{p}(x)}$se maximiza si p es una distribución uniforme y se minimiza cuando p es una distribución de masa puntual. Al minimizar la entropía esperada de la creencia, la ganancia de información se maximiza como

${\displaystyle I_{b}(u)=H_{p}(x)-E_{z}\left[H_{b}(x'|z,u)\right].}$

• Problema del robot secuestrado
• Problema del robot de despertar