論文の概要: Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems

• arxiv url: http://arxiv.org/abs/2106.14386v1
• Date: Mon, 28 Jun 2021 03:56:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-29 17:42:16.536169
• Title: Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems
• Title（参考訳）: Kimera-Multi:マルチロボットシステムのためのロバスト、分散、高密度メトリックセマンティックSLAM
• Authors: Yulun Tian, Yun Chang, Fernando Herrera Arias, Carlos Nieto-Granda, Jonathan P. How, Luca Carlone
• Abstract要約: Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。 我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
• 参考スコア（独自算出の注目度）: 92.26462290867963
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents Kimera-Multi, the first multi-robot system that (i) is robust and capable of identifying and rejecting incorrect inter and intra-robot loop closures resulting from perceptual aliasing, (ii) is fully distributed and only relies on local (peer-to-peer) communication to achieve distributed localization and mapping, and (iii) builds a globally consistent metric-semantic 3D mesh model of the environment in real-time, where faces of the mesh are annotated with semantic labels. Kimera-Multi is implemented by a team of robots equipped with visual-inertial sensors. Each robot builds a local trajectory estimate and a local mesh using Kimera. When communication is available, robots initiate a distributed place recognition and robust pose graph optimization protocol based on a novel distributed graduated non-convexity algorithm. The proposed protocol allows the robots to improve their local trajectory estimates by leveraging inter-robot loop closures while being robust to outliers. Finally, each robot uses its improved trajectory estimate to correct the local mesh using mesh deformation techniques. We demonstrate Kimera-Multi in photo-realistic simulations, SLAM benchmarking datasets, and challenging outdoor datasets collected using ground robots. Both real and simulated experiments involve long trajectories (e.g., up to 800 meters per robot). The experiments show that Kimera-Multi (i) outperforms the state of the art in terms of robustness and accuracy, (ii) achieves estimation errors comparable to a centralized SLAM system while being fully distributed, (iii) is parsimonious in terms of communication bandwidth, (iv) produces accurate metric-semantic 3D meshes, and (v) is modular and can be also used for standard 3D reconstruction (i.e., without semantic labels) or for trajectory estimation (i.e., without reconstructing a 3D mesh).
• Abstract（参考訳）: 本報告では, マルチロボットシステムであるKimera-Multiについて述べる。このシステムでは, (i) 知覚的エイリアスによる不正確な相互およびロボット内ループの閉包を識別・拒否し, (ii) 完全に分散し, 局所的(ピアツーピア)通信にのみ依存し, かつ (iii) メッシュの顔にセマンティックラベルを付加した, 環境の全体的一貫した3Dメッシュモデルを構築している。 Kimera-Multiは、視覚慣性センサーを備えたロボットチームによって実装されている。 各ロボットはKimeraを使って局所軌道推定と局所メッシュを構築する。 通信が可能になった場合、ロボットは、新しい分散型非凸性アルゴリズムに基づいて、分散場所認識およびロバストポーズグラフ最適化プロトコルを開始する。 提案プロトコルにより,ロボットは,ロボット間のループ閉鎖を有効活用し,オフレーヤに頑健な経路推定を改善することができる。 最後に,各ロボットは改良された軌道推定値を用いてメッシュ変形手法を用いて局所メッシュを補正する。 我々は,フォトリアリスティックシミュレーション,slamベンチマークデータセット,および地上ロボットを用いて収集した屋外データセットにおいてkimera-multiを実演する。 実物とシミュレーションの両方の実験は長い軌道(例えば1ロボットあたり最大800メートル)を含む。 実験の結果,Kimera-Multi (i) は,ロバスト性や精度で技術の現状を上回り, (ii) 集中型SLAMシステムに匹敵する推定誤差を達成し, (iii) 通信帯域幅で同義であり, (iv) 正確な3Dメッシュを生産し, (v) モジュラーで,標準的な3D再構成(セマンティックラベルなしで)や軌道推定(3Dメッシュを再構築せずに)にも使用できることがわかった。

関連論文リスト

• MAGiC-SLAM: Multi-Agent Gaussian Globally Consistent SLAM [23.318966306555915]
  同時ローカライゼーションとマッピング(SLAM)システムは、拡張現実、ロボティクス、自律運転など、コンピュータビジョンで広く使われている。 近年の研究では、分散ニューラルシーン表現を用いてこの問題に対処している。 本稿では,厳格に変形可能な3次元ガウス型シーン表現を提案する。 合成および実世界のデータセット上でMAGiC-SLAMを評価し,その精度と精度について検討した。
  論文  参考訳（メタデータ） (2024-11-25T08:34:01Z)
• GSPR: Multimodal Place Recognition Using 3D Gaussian Splatting for Autonomous Driving [9.023864430027333]
  マルチモーダル位置認識は ユニセンサーシステムの弱点を克服する能力によって 注目を集めています 本稿では,GSPRと呼ばれる3次元ガウス型マルチモーダル位置認識ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2024-10-01T00:43:45Z)
• Memorize What Matters: Emergent Scene Decomposition from Multitraverse [54.487589469432706]
  3次元ガウス写像は3次元ガウス写像をベースとしたカメラのみのオフラインマッピングフレームワークである。 3DGMは、同じ領域から複数のRGBビデオをガウスベースの環境マップに変換し、同時に2D短命なオブジェクトセグメンテーションを実行する。 We build the Mapverse benchmark, sourced from the Ithaca365 and nuPlan datasets, to evaluate our method in unsupervised 2D segmentation, 3D reconstruction, and Neural rendering。
  論文  参考訳（メタデータ） (2024-05-27T14:11:17Z)
• UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
  UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。 本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-07-03T04:10:55Z)
• FRAME: Fast and Robust Autonomous 3D point cloud Map-merging for Egocentric multi-robot exploration [2.433860819518925]
  本稿では,エゴセントリックなヘテロジニアスマルチロボット探索のための3次元クラウドマップ統合フレームワークを提案する。 提案した新しいソリューションは、最先端の場所認識学習ディスクリプタを利用して、フレームワークのメインパイプラインを通じて、高速で堅牢なリージョン重複推定を提供する。 提案手法の有効性を, 地下環境における複数フィールドマルチロボット探査計画に基づいて実験的に評価した。
  論文  参考訳（メタデータ） (2023-01-22T21:59:38Z)
• IR-MCL: Implicit Representation-Based Online Global Localization [31.77645160411745]
  本稿では,室内環境におけるロボットの姿勢を2次元LiDARデータを用いて推定する問題に対処する。 ニューラルネットワークを用いてシーンを暗黙的に表現するためのニューラルネットワーク占有場(NOF)を提案する。 本研究では,最先端手法のローカライズ性能を超越したアプローチを用いて,ロボットを高精度かつ効率的にローカライズできることを示す。
  論文  参考訳（メタデータ） (2022-10-06T17:59:08Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Kimera-Multi: a System for Distributed Multi-Robot Metric-Semantic Simultaneous Localization and Mapping [57.173793973480656]
  本稿では,高密度メカニカル・セマンティックSLAMのための完全分散マルチロボットシステムを提案する。 私たちのシステムはKimera-Multiと呼ばれ、視覚慣性センサーを備えたロボットチームによって実装されています。 Kimera-Multiは環境の3Dメッシュモデルをリアルタイムで構築し、メッシュの各面にセマンティックラベルをアノテートする。
  論文  参考訳（メタデータ） (2020-11-08T21:38:12Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。