SEAL: Simultaneous Exploration and Localization in Multi-Robot Systems

要約

正確な位置特定が可能であることは、複数のロボットによる探査戦略にとって非常に重要です。
ノイズが多い、または一貫性のない位置特定は、探査目標を達成できなくなる原因となります。
私たちは、地球規模の位置情報を必要とせずに、現代の探査地図の信念に従って高い位置特定精度を達成すること、またはその逆を達成することを目指しています。
この論文では、相対的な位置特定のために通信グラフの最適化を実行しながら、最大の探索のためにガウスプロセス (GP) ベースの情報融合を使用する、新しい同時探索および位置特定 (SEAL) アプローチを提案します。
これらの相互依存する目的は両方とも、Rao-Blackwellization 手法を通じて統合されました。
分散線形化凸包最適化は、分散探索に次善の未探索領域を選択するために使用されます。
SEAL は、広範な ROS-Gazebo シミュレーションにおける探査と位置特定のパフォーマンスにおいて最先端の手法を上回り、現実世界のアプリケーションにおけるアプローチの実用性を示しています。

要約(オリジナル)

The availability of accurate localization is critical for multi-robot exploration strategies; noisy or inconsistent localization causes failure in meeting exploration objectives. We aim to achieve high localization accuracy with contemporary exploration map belief and vice versa without needing global localization information. This paper proposes a novel simultaneous exploration and localization (SEAL) approach, which uses Gaussian Processes (GP)-based information fusion for maximum exploration while performing communication graph optimization for relative localization. Both these cross-dependent objectives were integrated through the Rao-Blackwellization technique. Distributed linearized convex hull optimization is used to select the next-best unexplored region for distributed exploration. SEAL outperformed cutting-edge methods on exploration and localization performance in extensive ROS-Gazebo simulations, illustrating the practicality of the approach in real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google