CU-Multi: A Dataset for Multi-Robot Data Association

要約

マルチロボットシステム（MRSS）は、共有の観察を調整する能力により、Search and Rescueなどのタスクに役立ちます。
これらのシステムの中心的な課題は、空間と時間にわたって独立して収集された知覚データを調整することです。つまり、マルチロボットデータ関連です。
共同スラム（C-SLAM）の最近の進歩、マップマージ、およびロボット間ループ閉鎖検出がフィールドを大幅に進歩させましたが、評価戦略は、単一の軌跡を単一ロボットスラムデータセットから複数のセグメントに分割して複数のロボットをシミュレートすることに依然として主に依存しています。
単一の軌道がどのように分割されるかを慎重に考慮せずに、このアプローチは、マルチロボットシステムに固有のシーンの観測における現実的なポーズ依存の変動をキャプチャできません。
このギャップに対処するために、コロラド大学ボルダーキャンパスの2つの場所で複数日にわたって収集されたマルチロボットデータセットであるCu-Multiを紹介します。
単一のロボットプラットフォームを使用して、アライメントされた開始時間と軌跡の重複の意図的な割合で4つの同期実行を生成します。
Cu-Multiには、RGB-D、正確な地理空間見出しを備えたGPS、および意味的に注釈付きLIDARデータが含まれます。
Cu-Multiは、軌跡のオーバーラップと密なLidar注釈の制御された変動を導入することにより、マルチロボットデータ関連の方法を評価するための魅力的な代替手段を提供します。
データセット、サポートコード、最新の更新へのアクセスに関する手順は、https：//arpg.github.io/cumultiで公開されています

要約(オリジナル)

Multi-robot systems (MRSs) are valuable for tasks such as search and rescue due to their ability to coordinate over shared observations. A central challenge in these systems is aligning independently collected perception data across space and time, i.e., multi-robot data association. While recent advances in collaborative SLAM (C-SLAM), map merging, and inter-robot loop closure detection have significantly progressed the field, evaluation strategies still predominantly rely on splitting a single trajectory from single-robot SLAM datasets into multiple segments to simulate multiple robots. Without careful consideration to how a single trajectory is split, this approach will fail to capture realistic pose-dependent variation in observations of a scene inherent to multi-robot systems. To address this gap, we present CU-Multi, a multi-robot dataset collected over multiple days at two locations on the University of Colorado Boulder campus. Using a single robotic platform, we generate four synchronized runs with aligned start times and deliberate percentages of trajectory overlap. CU-Multi includes RGB-D, GPS with accurate geospatial heading, and semantically annotated LiDAR data. By introducing controlled variations in trajectory overlap and dense lidar annotations, CU-Multi offers a compelling alternative for evaluating methods in multi-robot data association. Instructions on accessing the dataset, support code, and the latest updates are publicly available at https://arpg.github.io/cumulti

arxiv情報

提供元, 利用サービス

arxiv.jp, Google