iMESA: Incremental Distributed Optimization for Collaborative Simultaneous Localization and Mapping

要約

このペーパーでは、Collaborative Simultaneous Localization and Mapping (C-SLAM) のための新しい増分分散バックエンド アルゴリズムを紹介します。
現実世界の展開では、ロボット チームは、オンラインの実行時間の制約内で、通信が制限される可能性がある中で、一貫した状態の推定値を正確に計算するアルゴリズムを必要とします。
C-SLAM 問題を解決するための既存の集中型、分散型、分散型のアプローチでは、これらすべての目標を達成するのが困難です。
この機能ギャップに対処するために、私たちは、完全分散型 C-SLAM バックエンド アルゴリズムである Incremental Manifold Edge-based Separable ADMM (iMESA) を提案します。これは、スパース ペアのみを使用して、マルチロボット チームにリアルタイムで正確な状態推定を提供できます。
ロボット同士のコミュニケーション。
実際のデータと合成データに関する広範な評価により、iMESA が同等の最先端の C-SLAM バックエンドを上回るパフォーマンスを発揮できることが実証されました。

要約(オリジナル)

This paper introduces a novel incremental distributed back-end algorithm for Collaborative Simultaneous Localization and Mapping (C-SLAM). For real-world deployments, robotic teams require algorithms to compute a consistent state estimate accurately, within online runtime constraints, and with potentially limited communication. Existing centralized, decentralized, and distributed approaches to solving C-SLAM problems struggle to achieve all of these goals. To address this capability gap, we present Incremental Manifold Edge-based Separable ADMM (iMESA) a fully distributed C-SLAM back-end algorithm that can provide a multi-robot team with accurate state estimates in real-time with only sparse pair-wise communication between robots. Extensive evaluation on real and synthetic data demonstrates that iMESA is able to outperform comparable state-of-the-art C-SLAM back-ends.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google