Towards Decentralized Heterogeneous Multi-Robot SLAM and Target Tracking

要約

多くのロボット工学の問題では、探索、捜索救助、複数の目標の追跡、または大規模な環境のマッピングのために、複数のロボット間で情報を共有する共同作業が大幅に向上します。
協調的な複数ロボットの問題を解決する際の重要な暗黙の前提の 1 つは、すべてのロボットが同じ (同種の) 基礎となるアルゴリズムを使用するということです。
ただし、実際には、異なる機能を持つロボット間のコラボレーションを可能にしたいため、異種アルゴリズムに依存する必要があります。
我々は、各ロボットが異なる推定アルゴリズムに依存するロボットの分散ネットワークでのコラボレーションを可能にするシステムアーキテクチャとそれをサポートする理論を提示します。
アプローチを開発するために、私たちはマルチターゲット追跡を備えたマルチロボット同時位置特定およびマッピング (SLAM) に焦点を当てています。
私たちの理論的フレームワークは、多くのロボット工学アプリケーションに固有の条件付き独立構造を利用して、各ロボットのローカル推論 (推定) タスクを分離し、等しくはないが重複する確率密度関数 (pdf) の関連部分のみを融合するというアイデアに基づいて構築されています。
マルチロボット SLAM と追跡問題に対する新しい分散型グラフベースのアプローチを紹介します。
ファクター グラフを活用して問題のさまざまな部分を分割し、ネットワーク内のロボット間で効率的にデータを共有すると同時に、ロボットがさまざまなローカル スパース ランドマーク/高密度/メトリック セマンティック SLAM アルゴリズムを使用できるようにします。

要約(オリジナル)

In many robotics problems, there is a significant gain in collaborative information sharing between multiple robots, for exploration, search and rescue, tracking multiple targets, or mapping large environments. One of the key implicit assumptions when solving cooperative multi-robot problems is that all robots use the same (homogeneous) underlying algorithm. However, in practice, we want to allow collaboration between robots possessing different capabilities and that therefore must rely on heterogeneous algorithms. We present a system architecture and the supporting theory, to enable collaboration in a decentralized network of robots, where each robot relies on different estimation algorithms. To develop our approach, we focus on multi-robot simultaneous localization and mapping (SLAM) with multi-target tracking. Our theoretical framework builds on our idea of exploiting the conditional independence structure inherent to many robotics applications to separate between each robot’s local inference (estimation) tasks and fuse only relevant parts of their non-equal, but overlapping probability density function (pdfs). We present a new decentralized graph-based approach to the multi-robot SLAM and tracking problem. We leverage factor graphs to split between different parts of the problem for efficient data sharing between robots in the network while enabling robots to use different local sparse landmark/dense/metric-semantic SLAM algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google