Distributed Optimization with Consensus Constraint for Multi-Robot Semantic Octree Mapping

要約

この研究では、ストリーミング範囲と視覚的観測およびシングルホップ通信を使用した、マルチロボット 3D セマンティック マッピングのための分散最適化アルゴリズムを開発します。
私たちのアプローチは、環境の共通のマルチクラス マップを構築するためのマップ コンセンサス制約の対象となる各ロボットの観測対数尤度の勾配ベースの最適化に依存しています。
この定式化により、1 ホップ前の平均化を伴うベイズ規則に似た閉じた形式の更新が行われます。
ロボット間で交換される情報量を減らすために、適応解像度を使用してマルチクラス マップ分布を圧縮するオクツリー データ構造を利用します。

要約(オリジナル)

This work develops a distributed optimization algorithm for multi-robot 3-D semantic mapping using streaming range and visual observations and single-hop communication. Our approach relies on gradient-based optimization of the observation log-likelihood of each robot subject to a map consensus constraint to build a common multi-class map of the environment. This formulation leads to closed-form updates which resemble Bayes rule with one-hop prior averaging. To reduce the amount of information exchanged among the robots, we utilize an octree data structure that compresses the multi-class map distribution using adaptive-resolution.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google