NanoSLAM: Enabling Fully Onboard SLAM for Tiny Robots

要約

周囲の知覚とマッピングは、ロボットプラットフォームで自律的なナビゲーションを有効にするために不可欠です。
ほとんどのロボットシステムに存在する臭気エラーを修正しながら正確なマッピングを可能にするアルゴリズムクラスは、同時ローカリゼーションとマッピング（SLAM）です。
今日、完全にオンボードマッピングは、主にスラムアルゴリズムの実行に必要な大幅な計算負荷とメモリの要求が原因で、ハイワット数プロセッサをホストできるロボットプラットフォームでのみ達成可能です。
このため、ポケットサイズのハードウェアに制約のあるロボットは、スラムの実行を外部インフラストラクチャにオフロードします。
リソースに制約のあるプロセッサでスラムアルゴリズムを有効にするという課題に対処するために、このホワイトペーパーでは、わずか87.9 MWの電力予算でセンチメートルサイズのロボットで動作するように特別に設計された、軽量で最適化されたエンドツーエンドのスラムアプローチであるナノスラムを提案します。
実際のシナリオでマッピング機能を実証し、44 gのナノドローンでナノスラムを展開し、GAP9と呼ばれる新しい商用RISC-V低電力並列プロセッサを装備しました。
このアルゴリズムは、RISC-V処理コアの並列機能を活用し、4.5 cmの精度と250ミリ秒未満のエンドツーエンドの実行時間で一般的な環境のマッピングを可能にするように設計されています。

要約(オリジナル)

Perceiving and mapping the surroundings are essential for enabling autonomous navigation in any robotic platform. The algorithm class that enables accurate mapping while correcting the odometry errors present in most robotics systems is Simultaneous Localization and Mapping (SLAM). Today, fully onboard mapping is only achievable on robotic platforms that can host high-wattage processors, mainly due to the significant computational load and memory demands required for executing SLAM algorithms. For this reason, pocket-size hardware-constrained robots offload the execution of SLAM to external infrastructures. To address the challenge of enabling SLAM algorithms on resource-constrained processors, this paper proposes NanoSLAM, a lightweight and optimized end-to-end SLAM approach specifically designed to operate on centimeter-size robots at a power budget of only 87.9 mW. We demonstrate the mapping capabilities in real-world scenarios and deploy NanoSLAM on a nano-drone weighing 44 g and equipped with a novel commercial RISC-V low-power parallel processor called GAP9. The algorithm is designed to leverage the parallel capabilities of the RISC-V processing cores and enables mapping of a general environment with an accuracy of 4.5 cm and an end-to-end execution time of less than 250 ms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google