マルチエージェントSLAMのためのマーカーレスロボット検出と6D姿勢推定
Markerless Robot Detection and 6D Pose Estimation for Multi-Agent SLAM
深層学習による6D姿勢推定を活用し、マーカーなしでロボットを検出してマルチロボットSLAMの相対位置精度を向上させる手法を提案し、惑星類似環境での実験で有効性を示した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Markus Rueggeberg, Maximilian Ulmer, Maximilian Durner, Wout Boerdijk, Marcus Gerhard Mueller, Rudolph Triebel, Riccardo Giubilato
分類: cs.RO
原文アブストラクト
The capability of multi-robot SLAM approaches to merge localization history and maps from different observers is often challenged by the difficulty in establishing data association. Loop closure detection between perceptual inputs of different robotic agents is easily compromised in the context of perceptual aliasing, or when perspectives differ significantly. For this reason, direct mutual observation among robots is a powerful way to connect partial SLAM graphs, but often relies on the presence of calibrated arrays of fiducial markers (e.g., AprilTag arrays), which severely limits the range of observations and frequently fails under sharp lighting conditions, e.g., reflections or overexposure. In this work, we propose a novel solution to this problem leveraging recent advances in Deep-Learning-based 6D pose estimation. We feature markerless pose estimation as part of a decentralized multi-robot SLAM system and demonstrate the benefit to the relative localization accuracy among the robotic team. The solution is validated experimentally on data recorded in a test field campaign on a planetary analogous environment.
関連論文
- GRAND-SLAM: 大規模マルチエージェントガウシアンSLAMのための局所最適化によるグローバル一貫性マルチエージェントSLAM
- ゲーム理論的事前分布を用いたマルチエージェントSLAMマルチエージェントSLAM
- 異種地上・空中プラットフォームと均一センシング：CSIRO Data61チームのDARPA地下チャレンジへの取り組みマルチエージェントSLAM
- Loop-box: 単一ループ閉じ込みで起動するマルチエージェント直接SLAMによる大規模マッピングマルチエージェントSLAM
