Efficient Multi-robot Active SLAM

要約

未知の環境での自律的な探査は、特に捜索救助、産業検査、惑星探査などのアプリケーションにとって、ロボット工学の根本的な課題のままです。
マルチロボットアクティブスラムは、不確実性を積極的に減らしながら、共同マッピングと探索を可能にすることにより、有望なソリューションを提示します。
ただし、既存のアプローチは、多くの場合、高い計算コストと非効率的なフロンティア管理に悩まされているため、リアルタイムアプリケーションの場合は計算上の高価になります。
このペーパーでは、未開の環境でロボット分布を強化するためのフロンティア共有戦略を組み込んだ効率的なマルチロボットアクティブスラムフレームワークを紹介します。
私たちのアプローチは、グラフの不確実性とパスエントロピーの両方を考慮したユーティリティ関数を統合し、探査カバレッジと計算効率の間の最適なバランスを達成します。
目標フロンティアをフィルタリングおよび優先順位付けすることにより、この方法は、高いマッピング精度を維持しながら、計算オーバーヘッドを大幅に削減します。
提案されたフレームワークはROSで実装されており、シミュレーションと現実世界の実験を通じて検証されています。
結果は、最先端のアプローチと比較して、優れた探査パフォーマンスとマッピング品質を示しています。

要約(オリジナル)

Autonomous exploration in unknown environments remains a fundamental challenge in robotics, particularly for applications such as search and rescue, industrial inspection, and planetary exploration. Multi-robot active SLAM presents a promising solution by enabling collaborative mapping and exploration while actively reducing uncertainty. However, existing approaches often suffer from high computational costs and inefficient frontier management, making them computationally expensive for real-time applications. In this paper, we introduce an efficient multi-robot active SLAM framework that incorporates a frontier-sharing strategy to enhance robot distribution in unexplored environments. Our approach integrates a utility function that considers both pose graph uncertainty and path entropy, achieving an optimal balance between exploration coverage and computational efficiency. By filtering and prioritizing goal frontiers, our method significantly reduces computational overhead while preserving high mapping accuracy. The proposed framework has been implemented in ROS and validated through simulations and real-world experiments. Results demonstrate superior exploration performance and mapping quality compared to state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google