NanoSLAM: Enabling Fully Onboard SLAM for Tiny Robots

要約

周囲の状況を認識してマッピングすることは、ロボット プラットフォームで自律ナビゲーションを可能にするために不可欠です。
ほとんどのロボット システムに存在するオドメトリ エラーを修正しながら、正確なマッピングを可能にするアルゴリズム クラスは、Simultaneous Localization and Mapping (SLAM) です。
現在、完全なオンボード マッピングは、主に SLAM アルゴリズムの実行に必要な膨大な計算負荷とメモリ需要のため、高ワット数のプロセッサをホストできるロボット プラットフォームでのみ実現できます。
このため、ハードウェアに制約のあるポケットサイズのロボットは、SLAM の実行を外部インフラストラクチャにオフロードします。
リソースに制約のあるプロセッサ上で SLAM アルゴリズムを実現するという課題に対処するために、この論文では、わずか 87.9 mW の電力バジェットでセンチメートルサイズのロボット上で動作するように特別に設計された軽量で最適化されたエンドツーエンド SLAM アプローチである NanoSLAM を提案します。
私たちは現実のシナリオでマッピング機能を実証し、GAP9 と呼ばれる新しい商用 RISC-V 低電力並列プロセッサを搭載した重量 44 g のナノドローンに NanoSLAM を展開します。
このアルゴリズムは、RISC-V プロセッシング コアの並列機能を活用するように設計されており、4.5 cm の精度と 250 ミリ秒未満のエンドツーエンドの実行時間で一般環境のマッピングを可能にします。

要約(オリジナル)

Perceiving and mapping the surroundings are essential for enabling autonomous navigation in any robotic platform. The algorithm class that enables accurate mapping while correcting the odometry errors present in most robotics systems is Simultaneous Localization and Mapping (SLAM). Today, fully onboard mapping is only achievable on robotic platforms that can host high-wattage processors, mainly due to the significant computational load and memory demands required for executing SLAM algorithms. For this reason, pocket-size hardware-constrained robots offload the execution of SLAM to external infrastructures. To address the challenge of enabling SLAM algorithms on resource-constrained processors, this paper proposes NanoSLAM, a lightweight and optimized end-to-end SLAM approach specifically designed to operate on centimeter-size robots at a power budget of only 87.9 mW. We demonstrate the mapping capabilities in real-world scenarios and deploy NanoSLAM on a nano-drone weighing 44 g and equipped with a novel commercial RISC-V low-power parallel processor called GAP9. The algorithm is designed to leverage the parallel capabilities of the RISC-V processing cores and enables mapping of a general environment with an accuracy of 4.5 cm and an end-to-end execution time of less than 250 ms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google