要約
将来の空間マシン インテリジェンス アプリケーションをサポートするために、生涯にわたる同時位置特定とマッピング (SLAM) が大きな注目を集めています。
SLAMは通常、同時かつ継続的なセンシングと通信を行うさまざまなタイプの移動ロボットに基づいて実現されます。
この論文は、センシング、通信、および機械的要因を共同で考慮することにより、生涯にわたる SLAM のためのロボット動作のエネルギー効率を分析することに焦点を当てています。
このシステム モデルは、2D 光検出測距 (LiDAR) とオドメトリを備えたロボットに基づいて構築されています。
曇り点の生データとオドメトリデータはデータセンターにワイヤレスで送信され、そこで教師なし深層学習ベースの方法に基づいてリアルタイムの地図再構築が実現されます。
エネルギー消費を最小限に抑えるために、センシング期間、送信電力、送信期間、および探査速度が共同で最適化されます。
シミュレーションと実験により、提案した方法のパフォーマンスが実証されます。
要約(オリジナル)
To support future spatial machine intelligence applications, lifelong simultaneous localization and mapping (SLAM) has drawn significant attentions. SLAM is usually realized based on various types of mobile robots performing simultaneous and continuous sensing and communication. This paper focuses on analyzing the energy efficiency of robot operation for lifelong SLAM by jointly considering sensing, communication and mechanical factors. The system model is built based on a robot equipped with a 2D light detection and ranging (LiDAR) and an odometry. The cloud point raw data as well as the odometry data are wirelessly transmitted to data center where real-time map reconstruction is realized based on an unsupervised deep learning based method. The sensing duration, transmit power, transmit duration and exploration speed are jointly optimized to minimize the energy consumption. Simulations and experiments demonstrate the performance of our proposed method.
arxiv情報
著者 | Zidong Han,Ruibo Jin,Xiaoyang Li,Bingpeng Zhou,Qinyu Zhang,Yi Gong |
発行日 | 2024-12-18 14:53:10+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google