A Survey on Active Simultaneous Localization and Mapping: State of the Art and New Frontiers

要約

Active Simultaneous Localization and Mapping (SLAM) は、周囲環境の最も正確で完全なモデルを構築するために、ロボットの動きを計画および制御する問題です。
30 年以上前に能動的知覚に関する最初の基礎研究が登場して以来、この分野はさまざまな科学界でますます注目を集めてきました。
これにより、多くの異なるアプローチと定式化がもたらされ、新しい研究者と経験豊富な研究者の両方にとって必要かつ非常に価値のある現在の傾向のレビューが行われました.
この作業では、アクティブ SLAM の最先端を調査し、最新のアプリケーションのニーズを満たすためにまだ注意が必要な未解決の課題を詳しく調べます。
歴史的な視点を提供した後、統一された問題の定式化を提示し、確立されたモジュラー ソリューション スキームを確認します。これにより、潜在的なナビゲーション アクションを特定、選択、および実行する 3 つの段階に問題が分離されます。
次に、信念空間計画や深層強化学習手法などの代替アプローチを分析し、マルチロボット協調に関する関連研究をレビューします。
原稿は、他のトピックの中でも特に、再現可能な研究、アクティブな空間認識、および実用的なアプリケーションに対処する、新しい研究の方向性についての議論で締めくくられています。

要約(オリジナル)

Active Simultaneous Localization and Mapping (SLAM) is the problem of planning and controlling the motion of a robot to build the most accurate and complete model of the surrounding environment. Since the first foundational work in active perception appeared, more than three decades ago, this field has received increasing attention across different scientific communities. This has brought about many different approaches and formulations, and makes a review of the current trends necessary and extremely valuable for both new and experienced researchers. In this work, we survey the state-of-the-art in active SLAM and take an in-depth look at the open challenges that still require attention to meet the needs of modern applications. After providing a historical perspective, we present a unified problem formulation and review the well-established modular solution scheme, which decouples the problem into three stages that identify, select, and execute potential navigation actions. We then analyze alternative approaches, including belief-space planning and deep reinforcement learning techniques, and review related work on multi-robot coordination. The manuscript concludes with a discussion of new research directions, addressing reproducible research, active spatial perception, and practical applications, among other topics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google