Autonomous Exploration-Based Precise Mapping for Mobile Robots through Stepwise and Consistent Motions

要約

このペーパーでは、自律探査フレームワークを紹介します。
これは、レーザーの同時ローカリゼーションとマッピング（SLAM）を利用する屋内グラウンドモバイルロボット向けに設計されており、プロセスの完全性と正確なマッピング結果を確保します。
フロンティア検索のために、迅速にランダムな樹木（RRT）を複数回探索することに基づいたローカルグローバルサンプリングアーキテクチャが採用されています。
RRT拡張中のトラバース性チェックとマップの更新時のグローバルRRT剪定により、到達不能なフロンティアが排除され、潜在的な衝突やデッドロックが削減されます。
障害物の分布によって通知される適応サンプリング密度調整は、探査カバレッジの可能性を高めます。
フロンティアポイントナビゲーションの場合、段階的な一貫したモーション戦略が採用され、ロボットはポリラインパスのほぼ等距離ラインセグメントを厳密に駆動し、セグメントジャンクションで所定の位置に回転します。
この単純化された分離されたモーションパターンは、スキャンマッチングの安定性を改善し、マップドリフトを軽減します。
プロセス制御のために、フレームワークはフロンティアポイントの選択とナビゲーションをシリアル化し、従来の並列化されたプロセスの頻繁な目標変更によって引き起こされる振動を回避します。
ウェイポイントリトレースメカニズムが導入され、繰り返しの観測を生成し、グラフベースのスラムでループ閉鎖検出とバックエンドの最適化をトリガーし、それによりマップの一貫性と精度が向上します。
シミュレーションと現実世界の両方のシナリオでの実験により、フレームワークの有効性が検証されます。
ベースライン2D探査アルゴリズムと比較して、より困難な環境でマッピングカバレッジと精度が改善されます。
また、リソース制約のロボットプラットフォームをサポートし、さまざまなLIDARフィールドオブビュー（FOV）構成にわたってマッピングの一貫性を維持する際に堅牢性を示しています。

要約(オリジナル)

This paper presents an autonomous exploration framework. It is designed for indoor ground mobile robots that utilize laser Simultaneous Localization and Mapping (SLAM), ensuring process completeness and precise mapping results. For frontier search, the local-global sampling architecture based on multiple Rapidly Exploring Random Trees (RRTs) is employed. Traversability checks during RRT expansion and global RRT pruning upon map updates eliminate unreachable frontiers, reducing potential collisions and deadlocks. Adaptive sampling density adjustments, informed by obstacle distribution, enhance exploration coverage potential. For frontier point navigation, a stepwise consistent motion strategy is adopted, wherein the robot strictly drives straight on approximately equidistant line segments in the polyline path and rotates in place at segment junctions. This simplified, decoupled motion pattern improves scan-matching stability and mitigates map drift. For process control, the framework serializes frontier point selection and navigation, avoiding oscillation caused by frequent goal changes in conventional parallelized processes. The waypoint retracing mechanism is introduced to generate repeated observations, triggering loop closure detection and backend optimization in graph-based SLAM, thereby improving map consistency and precision. Experiments in both simulation and real-world scenarios validate the effectiveness of the framework. It achieves improved mapping coverage and precision in more challenging environments compared to baseline 2D exploration algorithms. It also shows robustness in supporting resource-constrained robot platforms and maintaining mapping consistency across various LiDAR field-of-view (FoV) configurations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google