Graph-based SLAM-Aware Exploration with Prior Topo-Metric Information

要約

自律探索では、ロボットが SLAM (Simultaneous Localization and Mapping) 技術を使用して正確な地図を構築しながら、未知の環境を探索する必要があります。
事前情報がないと、計画期間が限られているため、探索的なパフォーマンスは通常保守的になります。
この論文では、環境の事前のトポメトリック グラフを利用して、SLAM の探索効率とポーズ グラフの精度の両方に利益をもたらします。
ポーズ グラフの信頼性とグラフ トポロジの関連付けにおける最近の進歩に基づいて、両方の目的を以前のグラフに対する SLAM 対応のパス プランニング問題に定式化することができます。これにより、ポーズ グラフをグローバルに安定化する有益なループ クロージャを備えた高速探索パスが見つかります。
さらに、問題に対する貪欲なアルゴリズムを高速化する理論的なしきい値を導き出し、反復で最適でないループ クロージャを大幅に削減します。
提案されたプランナーは、経路再計画や以前のグラフに追加情報を追加するオンライン事前地図更新などの柔軟な機能を備えた階層型探索フレームワークに組み込まれています。
広範な実験により、私たちの方法は他の方法と同等の探査効率を持ち、さまざまな環境で一貫してより高いマッピング精度を維持できることが示されています。
私たちの実装は GitHub でオープンソースになります。

要約(オリジナル)

Autonomous exploration requires the robot to explore an unknown environment while constructing an accurate map with the SLAM (Simultaneous Localization and Mapping) techniques. Without prior information, the exploratory performance is usually conservative due to the limited planning horizon. This paper exploits a prior topo-metric graph of the environment to benefit both the exploration efficiency and the pose graph accuracy in SLAM. Based on recent advancements in relating pose graph reliability with graph topology, we are able to formulate both objectives into a SLAM-aware path planning problem over the prior graph, which finds a fast exploration path with informative loop closures that globally stabilize the pose graph. Furthermore, we derive theoretical thresholds to speed up the greedy algorithm to the problem, which significantly prune non-optimal loop closures in iterations. The proposed planner is incorporated into a hierarchical exploration framework, with flexible features including path replanning and online prior map update that adds additional information to the prior graph. Extensive experiments indicate that our method has comparable exploration efficiency to others while consistently maintaining higher mapping accuracy in various environments. Our implementations will be open-source on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google