基于自适应共振理论的 3D 激光点云快速分层拓扑映射：MLATC
机器人学
2025-12-01 v1
摘要
本文解决了为在大规模、动态和未知环境中运行的自主移动机器人构建全局拓扑地图的问题。基于自适应共振理论的拓扑聚类（ATC-DT）在顺序处理期间减轻了灾难性遗忘，但其获奖选择机制依赖于对所有现有节点的穷举最近邻搜索，导致随地图规模增长的可扩展性限制。为此，我们提出了基于分层结构的扩展，称为多层 ATC（MLATC）。MLATC 将节点组织为层次结构，使最近邻搜索可从粗到细的分辨率进行，从而大幅减少每个查询的距离评估次数。层数无需事先固定。MLATC 采用自适应层添加机制，当底层饱和时自动加深层次，保持用户定义的超参数数量较少。合成大规模环境的仿真实验表明，MLATC 相较于原始 ATC-DT 加速了拓扑地图构建，并显示出随节点数量呈亚线性、约为对数律的搜索时间扩展。校园规模的真实世界激光数据集实验确认，MLATC 在每帧运行时间维持在毫秒级，能够在大规模环境中实现实时全局拓扑地图构建，在计算效率方面显著优于原始 ATC-DT。
引用
@article{arxiv.2511.22238,
title = {MLATC: Fast Hierarchical Topological Mapping from 3D LiDAR Point Clouds Based on Adaptive Resonance Theory},
author = {Ryosuke Ofuchi and Yuichiro Toda and Naoki Masuyama and Takayuki Matsuno},
journal= {arXiv preprint arXiv:2511.22238},
year = {2025}
}