論文の概要: Swarm-SLAM : Sparse Decentralized Collaborative Simultaneous
Localization and Mapping Framework for Multi-Robot Systems
- arxiv url: http://arxiv.org/abs/2301.06230v3
- Date: Fri, 12 Jan 2024 21:53:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 03:36:29.413888
- Title: Swarm-SLAM : Sparse Decentralized Collaborative Simultaneous
Localization and Mapping Framework for Multi-Robot Systems
- Title(参考訳): Swarm-SLAM : マルチロボットシステムのためのスパース分散協調型ローカライゼーションとマッピングフレームワーク
- Authors: Pierre-Yves Lajoie, Giovanni Beltrame
- Abstract要約: 本稿では,オープンソースのC-SLAMシステムであるSwarm-SLAMを紹介する。
本システムは慣性,ライダー,ステレオ,RGB-Dセンシングをサポートし,新規なロボット間ループクロージャ優先技術を備えている。
- 参考スコア(独自算出の注目度): 12.751394886873664
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Collaborative Simultaneous Localization And Mapping (C-SLAM) is a vital
component for successful multi-robot operations in environments without an
external positioning system, such as indoors, underground or underwater. In
this paper, we introduce Swarm-SLAM, an open-source C-SLAM system that is
designed to be scalable, flexible, decentralized, and sparse, which are all key
properties in swarm robotics. Our system supports inertial, lidar, stereo, and
RGB-D sensing, and it includes a novel inter-robot loop closure prioritization
technique that reduces communication and accelerates convergence. We evaluated
our ROS-2 implementation on five different datasets, and in a real-world
experiment with three robots communicating through an ad-hoc network. Our code
is publicly available: https://github.com/MISTLab/Swarm-SLAM
- Abstract(参考訳): C-SLAM(Collaborative Simultaneous Localization And Mapping)は、屋内、地下、水中などの外部位置決めシステムを持たない環境でのマルチロボット運用の成功に欠かせないコンポーネントである。
本稿では,オープンソースのc-slamシステムであるswarm-slamについて紹介する。swarm roboticsの重要な特性である,スケーラブルでフレキシブル,分散,スパースを備えた,オープンソースのc-slamシステムである。
本システムは慣性,ライダー,ステレオ,RGB-Dセンシングをサポートし,通信の低減と収束の促進を目的とした,ロボット間ループクロージャ優先技術を含む。
我々は,5つの異なるデータセット上でのROS-2の実装を評価し,アドホックネットワークを介して通信する3つのロボットを用いた実世界の実験を行った。
私たちのコードは公開されています。 https://github.com/MISTLab/Swarm-SLAM
関連論文リスト
- LPAC: Learnable Perception-Action-Communication Loops with Applications
to Coverage Control [80.86089324742024]
本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。
CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。
評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2024-01-10T00:08:00Z) - 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) - ROS-PyBullet Interface: A Framework for Reliable Contact Simulation and
Human-Robot Interaction [17.093672006793984]
信頼性の高いコンタクト/インパクトシミュレータPyBulletとロボットオペレーティングシステム(ROS)のブリッジを提供するフレームワークであるROS-PyBullet Interfaceを提案する。
さらに,シミュレーション環境でのヒューマン・ロボット・インタラクション(HRI)を促進するために,新たなユーティリティを提供する。
論文 参考訳(メタデータ) (2022-10-13T10:31:36Z) - 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) - SAGCI-System: Towards Sample-Efficient, Generalizable, Compositional,
and Incremental Robot Learning [41.19148076789516]
上記の4つの要件を満たすために,SAGCIシステムと呼ばれる体系的な学習フレームワークを導入する。
本システムはまず,ロボットの手首に搭載されたカメラによって収集された生点雲を入力とし,URDFに代表される周囲環境の初期モデリングを生成する。
そのロボットは、対話的な知覚を利用して環境と対話し、URDFのオンライン検証と修正を行う。
論文 参考訳(メタデータ) (2021-11-29T16:53:49Z) - 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: Robust, Distributed, Dense Metric-Semantic SLAM for
Multi-Robot Systems [92.26462290867963]
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。
論文 参考訳(メタデータ) (2021-06-28T03:56:40Z) - Graph Neural Networks for Decentralized Multi-Robot Submodular Action
Selection [101.38634057635373]
ロボットがチームサブモジュールの目的を最大化するために共同で行動を選択する必要があるアプリケーションに焦点を当てる。
分散通信によるサブモジュール化に向けた汎用学習アーキテクチャを提案する。
大規模ロボットネットワークによるアクティブターゲットカバレッジのシナリオにおいて、GNNベースの学習アプローチのパフォーマンスを実証します。
論文 参考訳(メタデータ) (2021-05-18T15:32:07Z) - 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)
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。