RaSpectLoc: RAman SPECTroscopy-dependent robot LOCalisation

要約

この論文では、ロボットの位置特定をサポートするための新しい情報源である材料構成を紹介します。
提案された方法は、文献で利用されている既存の視覚的、構造的、および意味論的な手がかりを補完します。
ただし、ラマン分光計を使用することで、異なるドアなど、構造的、視覚的、またはカテゴリ的に類似したオブジェクトを区別できるという明確な利点があります。
このようなデバイスは、材料の分子間の結合を通じて、探査対象のオブジェクトの材料を識別できます。
質量分析などの同様のセンサーとは異なり、材料や環境に損傷を与えることなくセンサーを使用できます。
この論文では、初の材料ベースの位置特定アルゴリズムの紹介に加えて、ラマン分光計用のガゼボ プラグイン、材料センシングのデモンストレーション、および材料のベンチマークを備えた史上初の位置特定データセットを紹介することで、この分野の将来の成長をサポートしています。
ベースのローカリゼーション。
このベンチマークは、提案された手法が現在の最先端の位置特定手法に比べて大幅な改善をもたらし、主要なベースラインよりも 16\% 高い正確な位置特定を達成することを示しています。

要約(オリジナル)

This paper presents a new information source for supporting robot localisation: material composition. The proposed method complements the existing visual, structural, and semantic cues utilized in the literature. However, it has a distinct advantage in its ability to differentiate structurally, visually or categorically similar objects such as different doors, by using Raman spectrometers. Such devices can identify the material of objects it probes through the bonds between the material’s molecules. Unlike similar sensors, such as mass spectroscopy, it does so without damaging the material or environment. In addition to introducing the first material-based localisation algorithm, this paper supports the future growth of the field by presenting a gazebo plugin for Raman spectrometers, material sensing demonstrations, as well as the first-ever localisation data-set with benchmarks for material-based localisation. This benchmarking shows that the proposed technique results in a significant improvement over current state-of-the-art localisation techniques, achieving 16\% more accurate localisation than the leading baseline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google