Boxi: Design Decisions in the Context of Algorithmic Performance for Robotics

要約

複雑で構造化されていない環境で動作するモバイルロボットで堅牢な自律性を実現するには、多様で補完的な情報をキャプチャできるマルチモーダルセンサースイートが必要です。
ただし、このようなセンサースイートの設計には、センサーの選択、コンポーネントの配置、熱および電力制限、計算要件、ネットワーキング、同期、キャリブレーションなど、複数の重要な設計決定が含まれます。
これらの重要な側面の重要性は広く認識されていますが、彼らはしばしば学界で見落とされているか、大企業の独自の知識として保持されています。
この状況を改善するために、野生のロボットの堅牢な自律性を可能にする厳密に統合されたセンサーペイロードであるBoxiを提示します。
このペーパーでは、下流タスクのアルゴリズムパフォーマンスを最適化するために行われたペイロード設計の決定の影響について説明します。特に、状態の推定とマッピングに焦点を当てています。
Boxiには、2つのLIDAR、高ダイナミック範囲、グローバルシャッター、ローリングシャッターモデル、RGB-Dカメラ、さまざまな精度の7慣性測定単位（IMU）、デュアルアンテナRTK GNSSシステムなど、さまざまなセンサーが装備されています。
私たちの分析は、時間の同期、キャリブレーション、およびセンサーのモダリティが状態推定パフォーマンスに重要な影響を与えることを示しています。
この分析は、コストに関する考慮事項と環境固有の課題のコンテキストでフレーム化します。
また、包括的なガイドラインとして機能するモバイルセンサースイート「Cookbook」も紹介し、Boxiの開発中に学んだ一般化可能な主要な設計上の考慮事項とレッスンを強調しています。
最後に、実際のシナリオでさまざまなアプリケーションで使用されているBoxiの汎用性を示し、堅牢な自律性に貢献します。
詳細とコード：https：//github.com/leggedrobotics/grand_tour_box

要約(オリジナル)

Achieving robust autonomy in mobile robots operating in complex and unstructured environments requires a multimodal sensor suite capable of capturing diverse and complementary information. However, designing such a sensor suite involves multiple critical design decisions, such as sensor selection, component placement, thermal and power limitations, compute requirements, networking, synchronization, and calibration. While the importance of these key aspects is widely recognized, they are often overlooked in academia or retained as proprietary knowledge within large corporations. To improve this situation, we present Boxi, a tightly integrated sensor payload that enables robust autonomy of robots in the wild. This paper discusses the impact of payload design decisions made to optimize algorithmic performance for downstream tasks, specifically focusing on state estimation and mapping. Boxi is equipped with a variety of sensors: two LiDARs, 10 RGB cameras including high-dynamic range, global shutter, and rolling shutter models, an RGB-D camera, 7 inertial measurement units (IMUs) of varying precision, and a dual antenna RTK GNSS system. Our analysis shows that time synchronization, calibration, and sensor modality have a crucial impact on the state estimation performance. We frame this analysis in the context of cost considerations and environment-specific challenges. We also present a mobile sensor suite `cookbook` to serve as a comprehensive guideline, highlighting generalizable key design considerations and lessons learned during the development of Boxi. Finally, we demonstrate the versatility of Boxi being used in a variety of applications in real-world scenarios, contributing to robust autonomy. More details and code: https://github.com/leggedrobotics/grand_tour_box

arxiv情報

提供元, 利用サービス

arxiv.jp, Google