多機器人的可擴展分散式地圖構建演算法

每天一分鐘，帶你讀遍機器人頂級會議文章

標題：Map API - Scalable Decentralized Map Building for Robots

作者：Titus Cieslewski, Simon Lynen, Marcin Dymczyk, St′ephane Magnenat and Roland Siegwart

Autonomous Systems Lab, ETH Zurich

來源：ICRA 2015

播音員：申影

編譯： 楊小育

歡迎個人轉發朋友圈；其他機構或自媒體如需轉載，後台留言申請授權

摘要

今天為大家帶來的文章是——多機器人的可擴展分散式地圖構建演算法，該文章選自ICRA2015。

大規模、長時間的分散式地圖構建是現代機器人領域的一個核心問題。把多個機器人的感測器數據進行有效融合，可以構建更加精準和一致的全局地圖。現有的方法,多是設置一個中央單元來接收和管理來自各機器人的數據，以此來構建全局地圖。通常，由於機器人上缺少計算資源，一個機器人的原始感測器數據需要其他代理上的處理演算法來處理。但是，網路延遲和低帶寬降低了這種方法的普遍性，並使多機器人的地圖構建成了一個冗長的任務。在本文中，我們提出了一個分散式的後端，來實現多機器人的同時建圖，並保證建圖的一致性。

圖1 Map API項目的三層體系結構

並且提出了一套新的方法來減少帶寬的使用，以此來提高跨機器人通信的分散式映射的有效性。我們定義了一個控制系統，允許同時和一致地訪問地圖數據，而不是在建圖過程中鎖定對地圖的訪問。地圖的更新也會非同步共享給先前註冊過的代理機器人。該方案中的數據查詢技術源於最新的演算法，最後我們使用真實世界的數據集進行了驗證，證明該演算法是有效的。

圖2 左側是Map API中衝突檢測的圖示。 半透明的重疊框描繪了一個機器人在B和C上操作以及另一個機器人在C和D上操作

圖3 地圖API中的數據流動

圖4 Map API觸發器系統（右）和以投票為基礎系統（左）的比較

Abstract

Large scale, long-term, distributed mapping is a core challenge to modern field robotics. Using the sensoryoutput of multiple robots and fusing it in an efficient way enables the creation of globally accurate and consistent metric maps. To combine data from multiple agents into a global map, most existing approaches use a central entity that collects and manages the information from all agents. Often, the raw sensor data of one robot needs to be made available to processing algorithms on other agents due to the lack of computational resources on that robot. Unfortunately, network latency and low bandwidth in the field limit the generality of such an approach and make multi-robot map building a tedious task. In this paper, we present a distributed and decentralized back-end for concurrent and consistent robotic mapping. We propose a set of novel approaches that reduce the bandwidth usage and increase the effectiveness of inter-robot communication for distributed mapping. Instead of locking access to the map during operations, we define a version control system which allows concurrent and consistent access to the map data. Updates to the map are then shared asynchronously with agents which previously registered notifications. A technique for data lookup is provided by state-of-the-art algorithms from distributed computing. We validate our approach on real-world datasets and demonstrate the effectiveness of the proposed algorithms.

如果你對本文感興趣，想要下載完整文章進行閱讀，可以關注【泡泡機器人SLAM】公眾號。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！