OASIS: Optimal Arrangements for Sensing in SLAM

要約

自律移動ロボット上のセンサーの数と配置は、その認識能力に大きく影響します。
正確な検出、位置特定、マッピングを可能にする方法でセンサーが取り付けられていることを確認することは、下流の制御タスクを成功させるために不可欠です。
ただし、新しいロボット プラットフォームを設計する場合、研究者も実務者も通常、標準構成を模倣するか、視野 (FOV) カバレッジなどの単純なヒューリスティックを最大化して、外受容センサーを配置する場所を決定します。
この研究では、同時位置特定とマッピング (SLAM) のコンテキストで、移動ロボットの知覚のこの見落とされている要素の情報理論的調査を行います。
E-最適化性能基準に基づくサブセット選択の形式としてセンサー配置問題を形式化する方法を示します。
この定式化は一般に NP 困難ですが、貪欲なセンサー選択と高速凸緩和ベースの事後検証の組み合わせにより、実際に最適なセンサー設計を効率的に回復できることをさらに示します。
合成実験の結果から、OASIS とともに配置されたセンサーは、視覚的な SLAM 推定値の平均二乗誤差の点でベンチマークを上回っていることが明らかになりました。

要約(オリジナル)

The number and arrangement of sensors on an autonomous mobile robot dramatically influence its perception capabilities. Ensuring that sensors are mounted in a manner that enables accurate detection, localization, and mapping is essential for the success of downstream control tasks. However, when designing a new robotic platform, researchers and practitioners alike usually mimic standard configurations or maximize simple heuristics like field-of-view (FOV) coverage to decide where to place exteroceptive sensors. In this work, we conduct an information-theoretic investigation of this overlooked element of mobile robotic perception in the context of simultaneous localization and mapping (SLAM). We show how to formalize the sensor arrangement problem as a form of subset selection under the E-optimality performance criterion. While this formulation is NP-hard in general, we further show that a combination of greedy sensor selection and fast convex relaxation-based post-hoc verification enables the efficient recovery of certifiably optimal sensor designs in practice. Results from synthetic experiments reveal that sensors placed with OASIS outperform benchmarks in terms of mean squared error of visual SLAM estimates.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google