基于流形上共识 ADMM 的异步分布式平滑与建图
机器人学
2024-03-20 v2
摘要
本文提出一种完全分布式、异步且通用的优化算法，用于共识同时定位与建图（CSLAM）。多机器人团队要求各智能体及时准确地获取自身状态以及团队中其他机器人的状态。为优化该解，我们开发了基于共识 ADMM 的 CSLAM 后端，称为 MESA（流形、基于边、可分离 ADMM）。MESA 完全分布式以容忍单个机器人的故障，异步以容忍通信延迟与中断，且通用以处理任意 CSLAM 问题表述。我们证明，与现有最先进的 CSLAM 后端优化器相比，MESA 展现出更优的收敛速度与精度。
引用
@article{arxiv.2310.12320,
title = {Asynchronous Distributed Smoothing and Mapping via On-Manifold Consensus ADMM},
author = {Daniel McGann and Kyle Lassak and Michael Kaess},
journal= {arXiv preprint arXiv:2310.12320},
year = {2024}
}
备注
Accepted to ICRA 2024