三维主动度量-语义SLAM
机器人学
2025-07-22 v4
摘要
在本快报中，我们解决了使用尺寸、重量与功耗（SWaP）受限的空中机器人在无GPS的多层室内环境中进行探索与度量-语义建图的问题。大多数先前的探索工作假设机器人定位已解决。然而，忽略智能体的状态不确定性最终会导致所得地图和智能体自身状态中的级联误差。此外，降低定位误差的动作可能与探索任务直接冲突。我们提出了一种平衡探索效率与降低智能体状态不确定性动作的框架。具体而言，我们的主动度量-语义SLAM算法方法构建于从原始问题数据抽象出的稀疏信息之上，以使其适用于SWaP受限机器人。此外，我们将该框架集成于一个全自主空中机器人系统中，其在杂乱的三维环境中实现自主探索。通过大量真实世界实验，我们表明通过引入语义闭环（SLC），我们可以将机器人位姿估计误差在平移上降低超过90%，在偏航上降低约75%，并将位姿估计与语义地图中的不确定性分别降低超过70%和65%。尽管是在室内多层探索背景下讨论，我们的系统可用于各种其他应用，例如基础设施巡检和精准农业，这些场合可能缺乏可靠GPS数据。
引用
@article{arxiv.2309.06950,
title = {3D Active Metric-Semantic SLAM},
author = {Yuezhan Tao and Xu Liu and Igor Spasojevic and Saurav Agarwal and Vijay Kumar},
journal= {arXiv preprint arXiv:2309.06950},
year = {2025}
}