TCAFF: Temporal Consistency for Robot Frame Alignment

要約

協働ロボット工学の分野では、計画された軌道や共有環境情報などの空間情報を伝達する能力が重要です。
全地球的な位置情報が利用できない場合 (屋内または GPS が拒否された環境など)、エージェントは、共有された空間情報を適切に表現および解釈できるようになる前に、座標フレームを調整する必要があります。
ロボットに初期位置合わせがなく、オドメトリ ドリフトの影響を受ける場合、座標フレームの位置合わせは特に困難です。
この目的を達成するために、隣接するロボットの座標フレームを調整するための、TCAFF と呼ばれる新しい多重仮説アルゴリズムを開発しました。
TCAFF は、疎なオープンセット オブジェクト マップの関連付けから潜在的な位置合わせを考慮し、時間的一貫性を活用して初期位置合わせを決定し、ドリフトを補正します。すべて、隣接するロボットのポーズに関する初期知識なしで行われます。
私たちは、6 人の歩行者を追跡する 4 台のロボットのチームによる協調的な物体追跡アプリケーションでのフレーム アライメントに TCAFF が使用されることを実証し、TCAFF によってロボットがグラウンド トゥルース ローカリゼーションを備えたシステムと同様の追跡精度を達成できることを示します。
コードとハードウェア データセットは https://github.com/mit-acl/tcaff で入手できます。

要約(オリジナル)

In the field of collaborative robotics, the ability to communicate spatial information like planned trajectories and shared environment information is crucial. When no global position information is available (e.g., indoor or GPS-denied environments), agents must align their coordinate frames before shared spatial information can be properly expressed and interpreted. Coordinate frame alignment is particularly difficult when robots have no initial alignment and are affected by odometry drift. To this end, we develop a novel multiple hypothesis algorithm, called TCAFF, for aligning the coordinate frames of neighboring robots. TCAFF considers potential alignments from associating sparse open-set object maps and leverages temporal consistency to determine an initial alignment and correct for drift, all without any initial knowledge of neighboring robot poses. We demonstrate TCAFF being used for frame alignment in a collaborative object tracking application on a team of four robots tracking six pedestrians and show that TCAFF enables robots to achieve a tracking accuracy similar to that of a system with ground truth localization. The code and hardware dataset are available at https://github.com/mit-acl/tcaff.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google