Entropy Based Multi-robot Active SLAM

要約

この記事では、未知の環境を最大限に探索するためのフロンティア共有手法を含む効率的なマルチロボット アクティブ SLAM フレームワークを紹介します。
これは、姿勢グラフ SLAM の不確実性とパス エントロピーでゴール フロンティアに重みを付けながら、ロボットが環境に拡散することを促進します。
私たちのアプローチは、限られた数のフロンティア ポイントに作用し、SLAM とマップの不確実性の両方をカプセル化するユーティリティ関数でゴール フロンティアに重み付けを行い、効率的で計算コストの低いソリューションを提供します。
私たちのアプローチは、公開されているシミュレーション環境と実際のロボットでテストされています。
同様の最先端のアプローチよりも累積で 31% 多いカバー率が得られ、効率的な環境探索に対する当社のアプローチの能力が証明されました。

要約(オリジナル)

In this article, we present an efficient multi-robot active SLAM framework that involves a frontier-sharing method for maximum exploration of an unknown environment. It encourages the robots to spread into the environment while weighting the goal frontiers with the pose graph SLAM uncertainly and path entropy. Our approach works on a limited number of frontier points and weights the goal frontiers with a utility function that encapsulates both the SLAM and map uncertainties, thus providing an efficient and not computationally expensive solution. Our approach has been tested on publicly available simulation environments and on real robots. An accumulative 31% more coverage than similar state-of-the-art approaches has been obtained, proving the capability of our approach for efficient environment exploration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google