Optimal Robot Formations: Balancing Range-Based Observability and User-Defined Configurations

要約

このホワイトペーパーでは、ユーザーが「高カバレッジ」インフラストラクチャインスペクションフォーメーションなどの望ましいロボットフォーメーションを簡単に指定できるようにする一連のカスタマイズ可能な斬新なコスト関数を紹介し、高い相対的なポーズ推定精度を維持します。
全体的なコスト関数は、ロボットが適切な範囲に基づいた相対的なローカリゼーションの精度と、特定の領域の検査にかかった時間を最小限に抑えるなど、ロボットが特定のタスクを実現する必要性のために互いに近づく必要性のバランスをとっています。
集約されたコスト関数を最小化することで見つかった形成は、シミュレーションと実験のカバレッジパス計画タスクで評価されます。ここでは、ロボットが拡張されたカルマンフィルターに基づいて同時ローカリゼーションとマッピングアルゴリズムを使用して、ロボット自体と未知のランドマークをローカライズします。
範囲ベースの相対的な局在精度を最大化する最適な形成と比較して、これらの形成は、相対的なポーズ推定精度に最小限の影響を与え、特定の領域をカバーする時間を大幅に短縮します。

要約(オリジナル)

This paper introduces a set of customizable and novel cost functions that enable the user to easily specify desirable robot formations, such as a “high-coverage” infrastructure-inspection formation, while maintaining high relative pose estimation accuracy. The overall cost function balances the need for the robots to be close together for good ranging-based relative localization accuracy and the need for the robots to achieve specific tasks, such as minimizing the time taken to inspect a given area. The formations found by minimizing the aggregated cost function are evaluated in a coverage path planning task in simulation and experiment, where the robots localize themselves and unknown landmarks using a simultaneous localization and mapping algorithm based on the extended Kalman filter. Compared to an optimal formation that maximizes ranging-based relative localization accuracy, these formations significantly reduce the time to cover a given area with minimal impact on relative pose estimation accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google