DCL-Sparse: Distributed Range-only Cooperative Localization of Multi-Robots in Noisy and Sparse Sensing Graphs

要約

この論文では、GPS が拒否された環境におけるロボット群の範囲ベースの協調位置特定に対する新しいアプローチを紹介し、騒がしくまばらな環境における現在の方法の限界に対処します。
我々は、シャドウエッジ位置特定技術とUAVの戦略的展開を組み合わせた、堅牢な多層位置特定フレームワークを提案します。
このアプローチは、非剛体で接続が不十分なグラフに関連する課題に対処するだけでなく、位置特定プロセスの収束率も向上します。
2 つの重要な概念を紹介します。1 つはスパース グラフの剛性問題に対処するための分散プロトコルの S1-Edge アプローチ、もう 1 つはマルチロボット システムのセンシングおよび位置特定能力を向上させるための強力な UAV ノードの概念です。
私たちのアプローチは、分散型位置特定手法の利点を活用し、大規模なロボット ネットワークにおける拡張性と適応性を強化します。
ノイズが存在する場合でもソリューションが存在することを保証する新しい S1-Edge の理論的条件を確立し、それによってシャドウ エッジの位置特定の有効性を検証します。
広範なシミュレーション実験により、最先端の技術と比較して当社の手法のパフォーマンスが優れていることが確認され、その結果、位置特定誤差が最大 95\% 削減され、位置特定精度と疎なグラフに対する堅牢性が大幅に向上していることが実証されました。
この成果は、マルチロボットの位置特定の分野に決定的な進歩をもたらし、困難な環境での高性能で信頼性の高い操作のための強力なツールを提供します。

要約(オリジナル)

This paper presents a novel approach to range-based cooperative localization for robot swarms in GPS-denied environments, addressing the limitations of current methods in noisy and sparse settings. We propose a robust multi-layered localization framework that combines shadow edge localization techniques with the strategic deployment of UAVs. This approach not only addresses the challenges associated with nonrigid and poorly connected graphs but also enhances the convergence rate of the localization process. We introduce two key concepts: the S1-Edge approach in our distributed protocol to address the rigidity problem of sparse graphs and the concept of a powerful UAV node to increase the sensing and localization capability of the multi-robot system. Our approach leverages the advantages of the distributed localization methods, enhancing scalability and adaptability in large robot networks. We establish theoretical conditions for the new S1-Edge that ensure solutions exist even in the presence of noise, thereby validating the effectiveness of shadow edge localization. Extensive simulation experiments confirm the superior performance of our method compared to state-of-the-art techniques, resulting in up to 95\% reduction in localization error, demonstrating substantial improvements in localization accuracy and robustness to sparse graphs. This work provides a decisive advancement in the field of multi-robot localization, offering a powerful tool for high-performance and reliable operations in challenging environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google