Ultra-Lightweight Collaborative Mapping for Robot Swarms

要約

ロボット工学における重要な要件は、主に搭載されたセンシングと計算に依存して、これまで知られていなかった環境を同時に自己位置特定し、マッピングする能力です。
完全オンボードの正確な同時位置特定とマッピング (SLAM) の実現は、ハイエンドのロボット プラットフォームでは実現可能ですが、小型で安価なロボットはハードウェアの制約による課題に直面しており、そのためセンシングと計算のために外部インフラストラクチャに頼ることが多くなります。
ロボットの群れでは、調整、スケーラビリティ、遅延が重大な懸念事項となるため、この課題はさらに悪化します。
この研究では、分散型で軽量な協調型 SLAM アプローチを導入し、小型の昆虫サイズのデバイスを含む、低コストのハードウェアとわずか 1.5 MB のメモリを搭載したロボットでも、事実上あらゆるロボットでマッピングを可能にします。
さらに、提案されたソリューションは、数百のエージェントを調整する機能を備えた大規模な群れの形成をサポートします。
私たちの主張を実証するために、私たちは重量 46 g のセンチメートルサイズのドローンに協調 SLAM を実装することに成功しました。
驚くべきことに、コスト、メモリ、および計算要件を 2 桁削減しながら、ハイエンドの最先端ソリューションに匹敵する結果である 30 cm 未満のマッピング精度を達成しています。
私たちのアプローチは 3 つの主要な側面において革新的です。
まず、センシングとコンピューティングの点で軽量で費用対効果の高い (\20) ソリューションを使用して、オンボードのインフラストラクチャを使用しない協調マッピングが可能になります。
次に、ウルトラワイドバンド (UWB)、Bluetooth、WiFi などの標準ワイヤレス プロトコルを使用して、数百の協調エージェントをサポートするために、群内のデータ トラフィックを最適化します。
最後に、分散群調整ポリシーを実装して、マッピングの待ち時間を短縮し、精度を向上させます。

要約(オリジナル)

A key requirement in robotics is the ability to simultaneously self-localize and map a previously unknown environment, relying primarily on onboard sensing and computation. Achieving fully onboard accurate simultaneous localization and mapping (SLAM) is feasible for high-end robotic platforms, whereas small and inexpensive robots face challenges due to constrained hardware, therefore frequently resorting to external infrastructure for sensing and computation. The challenge is further exacerbated in swarms of robots, where coordination, scalability, and latency are crucial concerns. This work introduces a decentralized and lightweight collaborative SLAM approach that enables mapping on virtually any robot, even those equipped with low-cost hardware and only 1.5 MB of memory, including miniaturized insect-size devices. Moreover, the proposed solution supports large swarm formations with the capability to coordinate hundreds of agents. To substantiate our claims, we have successfully implemented collaborative SLAM on centimeter-size drones weighing 46 g. Remarkably, we achieve a mapping accuracy below 30 cm, a result comparable to high-end state-of-the-art solutions while reducing the cost, memory, and computation requirements by two orders of magnitude. Our approach is innovative in three main aspects. First, it enables onboard infrastructure-less collaborative mapping with a lightweight and cost-effective (\$20) solution in terms of sensing and computation. Second, we optimize the data traffic within the swarm to support hundreds of cooperative agents using standard wireless protocols such as ultra-wideband (UWB), Bluetooth, or WiFi. Last, we implement a distributed swarm coordination policy to decrease mapping latency and enhance accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google