Efficient Frontier Management for Collaborative Active SLAM

要約

自律型ロボット工学における重要な課題は、複数のロボットが動作とセンサー データの取得をインテリジェントに調整しながら、未知の環境を協力して探索およびマッピングするアクティブ コラボレーション SLAM 用の堅牢なソリューションを開発することにあります。
この記事では、マージされたマップでの情報獲得、距離、およびフロンティア候補間の報酬計算を考慮して探索を最大化し、環境へのエージェントの拡散を促進する、効率的な集中フロンティア共有アプローチを紹介します。
最終的に、私たちの方法は、SLAM の不確実性を低く抑えながら、最大限の探査を実現するためにロボットを効率的に分散させます。
さらに、中央サーバーによるロボットの目標割り当てに優先順位を付けるための、同期と非同期の 2 つの調整アプローチも紹介します。
提案された方法は ROS に実装され、公開されているデータセットや同様の方法でのシミュレーションと実験を通じて評価され、有望な結果が得られます。

要約(オリジナル)

In autonomous robotics, a critical challenge lies in developing robust solutions for Active Collaborative SLAM, wherein multiple robots collaboratively explore and map an unknown environment while intelligently coordinating their movements and sensor data acquisitions. In this article, we present an efficient centralized frontier sharing approach that maximizes exploration by taking into account information gain in the merged map, distance, and reward computation among frontier candidates and encourages the spread of agents into the environment. Eventually, our method efficiently spreads the robots for maximum exploration while keeping SLAM uncertainty low. Additionally, we also present two coordination approaches, synchronous and asynchronous to prioritize robot goal assignments by the central server. The proposed method is implemented in ROS and evaluated through simulation and experiments on publicly available datasets and similar methods, rendering promising results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google