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

要約

自律探索では、ロボットが未知の環境を探索しながら、同時位置特定とマッピング (SLAM) 技術を使用して正確な地図を構築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、探査パフォーマンスは通常保守的になります。
この論文では、トポメトリック グラフとして表される環境に関する事前情報を利用して、SLAM における探索効率とポーズ グラフの信頼性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 トポロジの関係に基づいて、以前のグラフに対して SLAM を意識したパス プランニング問題を定式化します。この問題は、SLAM ポーズ グラフを安定させるためにグローバルに有益なループ終了アクションで強化された高速探索パスを見つけます。
この問題を解決するために、貪欲なアルゴリズムが提案されています。このアルゴリズムでは、潜在的な有益なアクションに影響を与えることなく、最適でないループ終了アクションを大幅に削減する理論的なしきい値が導出されます。
さらに、パスの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以前のグラフ更新などの柔軟な機能を備えた、提案されたプランナーを階層探索フレームワークに組み込みます。
シミュレーションと現実世界の実験は、提案された方法が、豊富なトポロジを持つ環境を探索する際に、同等の探索効率を維持しながら、比較された方法よりも高いマッピング精度を確実に達成できることを示しています。
私たちのメソッドは GitHub でオープンソース化されています。

要約(オリジナル)

Autonomous exploration requires a robot to explore an unknown environment while constructing an accurate map using Simultaneous Localization and Mapping (SLAM) techniques. Without prior information, the exploration performance is usually conservative due to the limited planning horizon. This paper exploits prior information about the environment, represented as a topo-metric graph, to benefit both the exploration efficiency and the pose graph reliability in SLAM. Based on the relationship between pose graph reliability and graph topology, we formulate a SLAM-aware path planning problem over the prior graph, which finds a fast exploration path enhanced with the globally informative loop-closing actions to stabilize the SLAM pose graph. A greedy algorithm is proposed to solve the problem, where theoretical thresholds are derived to significantly prune non-optimal loop-closing actions, without affecting the potential informative ones. Furthermore, we incorporate the proposed planner into a hierarchical exploration framework, with flexible features including path replanning, and online prior graph update that adds additional information to the prior graph. Simulation and real-world experiments indicate that the proposed method can reliably achieve higher mapping accuracy than compared methods when exploring environments with rich topologies, while maintaining comparable exploration efficiency. Our method has been open-sourced on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google