灯塔与全局图稳定：面向低算力窄视场机器人的主动SLAM
机器人学
2023-06-21 v1
摘要
自主探索以构建未知环境地图是一个基础的机器人问题。然而，地图质量直接影响后续机器人操作的质量。同步定位与建图（SLAM）系统的不稳定性会导致探索期间或之后出现低质量地图及随后的导航失败。这在消费级机器人中尤为明显，其计算预算与有限视场非常常见。本工作中，我们提出（i）灯塔概念：具有高视觉信息量的全景视图，可用于在其邻域内局部维持地图稳定性；（ii）用于全局位姿图稳定的最终稳定策略。我们将这一新颖探索策略称为SLAM感知探索（SAE），并在真实家庭环境中评估了其性能。
引用
@article{arxiv.2306.10463,
title = {Lighthouses and Global Graph Stabilization: Active SLAM for Low-compute, Narrow-FoV Robots},
author = {Mohit Deshpande and Richard Kim and Dhruva Kumar and Jong Jin Park and Jim Zamiska},
journal= {arXiv preprint arXiv:2306.10463},
year = {2023}
}
备注
7 pages, 7 figures