A Benchmark Dataset for Collaborative SLAM in Service Environments

要約

サービス環境の多様化に伴い、1台のロボットでは難しい複雑な作業が求められるようになりました。
この変化により、単一のロボットではなく複数のロボットへの関心が高まりました。
C-SLAM は、複数のサービス ロボットの基本的な技術であり、ロボットがスムーズに動作し、タスクを安全に実行できるようにするために、均一なシーンや動的オブジェクトなどのさまざまな課題に対処する必要があります。
ただし、既存の C-SLAM データセットには、前述の課題を伴うさまざまな屋内サービス環境が含まれていません。
このギャップを埋めるために、サービス環境 (CSE) の C-SLAM データセットと呼ばれる、さまざまな屋内サービス環境の複数のサービス ロボット用の新しいマルチモーダル C-SLAM データセットを導入します。
当社では、NVIDIA Isaac Sim を使用して、実際のサービス環境で発生する可能性のある課題を含むさまざまな屋内サービス環境でデータを生成します。
シミュレーションを使用することで、ステレオ RGB、ステレオ深度、IMU、グラウンド トゥルース (GT) ポーズなど、正確かつ正確に時間同期されたセンサー データを提供できます。
3 つの一般的な屋内サービス環境 (病院、オフィス、倉庫) を構成します。それぞれの環境には、それぞれの環境に適した動作を実行するさまざまな動的オブジェクトが含まれています。
さらに、実際のサービスロボットの動作を模倣するために 3 台のロボットを駆動します。
これらの要素を通じて、複数のサービス ロボット用のより現実的な C-SLAM データセットを生成します。
さまざまな最先端のシングルロボット SLAM メソッドとマルチロボット SLAM メソッドを評価することで、データセットを実証します。
データセットは https://github.com/vision3d-lab/CSE_Dataset で入手できます。

要約(オリジナル)

As service environments have become diverse, they have started to demand complicated tasks that are difficult for a single robot to complete. This change has led to an interest in multiple robots instead of a single robot. C-SLAM, as a fundamental technique for multiple service robots, needs to handle diverse challenges such as homogeneous scenes and dynamic objects to ensure that robots operate smoothly and perform their tasks safely. However, existing C-SLAM datasets do not include the various indoor service environments with the aforementioned challenges. To close this gap, we introduce a new multi-modal C-SLAM dataset for multiple service robots in various indoor service environments, called C-SLAM dataset in Service Environments (CSE). We use the NVIDIA Isaac Sim to generate data in various indoor service environments with the challenges that may occur in real-world service environments. By using simulation, we can provide accurate and precisely time-synchronized sensor data, such as stereo RGB, stereo depth, IMU, and ground truth (GT) poses. We configure three common indoor service environments (Hospital, Office, and Warehouse), each of which includes various dynamic objects that perform motions suitable to each environment. In addition, we drive three robots to mimic the actions of real service robots. Through these factors, we generate a more realistic C-SLAM dataset for multiple service robots. We demonstrate our dataset by evaluating diverse state-of-the-art single-robot SLAM and multi-robot SLAM methods. Our dataset is available at https://github.com/vision3d-lab/CSE_Dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google