Multi-Robot Multi-Room Exploration with Geometric Cue Extraction and Circular Decomposition

要約

この研究では、複数の部屋で構成される屋内環境におけるロボットの動作を調整する自律的なマルチロボット探索パイプラインを提案します。
単純なフロンティアベースの探索アプローチとは対照的に、ロボットが構造化された建物内の未知の部屋のセットを体系的に探索および観察できるようにすることを目指しています。これにより、どの部屋がすでに探索されているかを追跡し、この情報をロボット間で共有して、分散型環境での動作を調整します。
やり方。
この目的を達成するために、我々は、(1) 3D 点群データを処理し、ドアや部屋などの潜在的な手がかりの位置を検出する幾何学的手がかり抽出手法、(2) ターゲットの割り当てに使用される空きスペースの循環分解を提案します。
これら 2 つのコンポーネントを使用することで、当社のパイプラインはロボット間でタスクを効果的に割り当て、部屋の系統的な探索を可能にします。
最大 3 台の空中ロボットのチームを使用してパイプラインのパフォーマンスを評価し、この方法がベースラインをシミュレーションで 33.4%、実世界の実験で 26.4% 上回っていることを示しています。

要約(オリジナル)

This work proposes an autonomous multi-robot exploration pipeline that coordinates the behaviors of robots in an indoor environment composed of multiple rooms. Contrary to simple frontier-based exploration approaches, we aim to enable robots to methodically explore and observe an unknown set of rooms in a structured building, keeping track of which rooms are already explored and sharing this information among robots to coordinate their behaviors in a distributed manner. To this end, we propose (1) a geometric cue extraction method that processes 3D point cloud data and detects the locations of potential cues such as doors and rooms, (2) a circular decomposition for free spaces used for target assignment. Using these two components, our pipeline effectively assigns tasks among robots, and enables a methodical exploration of rooms. We evaluate the performance of our pipeline using a team of up to 3 aerial robots, and show that our method outperforms the baseline by 33.4% in simulation and 26.4% in real-world experiments.

arxiv情報

著者 Seungchan Kim,Micah Corah,John Keller,Graeme Best,Sebastian Scherer
発行日 2023-12-04 21:08:28+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク