面向噪声稀疏感知图的分布式范围唯一合作定位——DCL-Sparse
机器人学
2024-12-20 v1 多智能体系统
摘要
本文提出了一种新颖的方法，用于 GPS 被抑制环境中机器人群体的基于距离的合作定位，旨在解决当前方法在噪声和稀疏环境下的局限性。我们提出了一种健壮的多层次定位框架，将阴影边定位技术与无人机的战略部署相结合。该方法不仅解决了非刚性和连接不良图的挑战，还增强了定位过程的收敛速度。我们引入了两个关键概念：用于解决稀疏图刚性问题的 S1-边方法以及强大无人机节点的概念，以增加多机器人系统的感知和定位能力。我们的做法利用了分布式定位方法的优势，增强了大规模机器人网络的可扩展性和适应性。我们为新的 S1-边建立了理论条件，即使在噪声存在的情况下也能保证解的存在，从而验证了阴影边定位的有效性。大量仿真实验确认了我们方法相对于最新技术的优异性能，导致定位误差降低最高可达 95%，显著提升了定位精度和对稀疏图的鲁棒性。该工作为多机器人定位领域的决定性进展提供了强大的工具，可实现高性能和可靠的操作在具有挑战性的环境中。
引用
@article{arxiv.2412.14793,
title = {DCL-Sparse: Distributed Range-only Cooperative Localization of Multi-Robots in Noisy and Sparse Sensing Graphs},
author = {Atharva Sagale and Tohid Kargar Tasooji and Ramviyas Parasuraman},
journal= {arXiv preprint arXiv:2412.14793},
year = {2024}
}