Mr. Virgil：学习多机器人视觉范围内的相对定位
机器人学
2025-12-12 v1
摘要
超宽带 (UWB)-视觉融合定位已在多智能体相对定位领域取得广泛应用。机器人与视觉检测之间的困难匹配问题导致现有方法高度依赖于身份编码的硬件或精细调谐算法。过度自信却错误的匹配可能对定位系统造成不可逆损害。为此，我们引入了 Mr. Virgil——一个面向多机器人视觉范围相对定位的端到端学习框架，包括用于 UWB 距离与视觉检测之间数据关联的图神经网络，以及可微分的姿态图优化 (PGO) 后端。基于图的前端提供稳健的匹配结果、准确的初始位置预测以及可信的不确定性估计，这些结果随后被集成到 PGO 后端，以提升最终姿态估计的准确性。此外，还实现了用于实际应用的去中心化系统。实验涵盖各种机器人数量、仿真与实际环境、遮挡与非遮挡情况，显示在各种场景下相对于传统方法具有稳定性和准确性。我们的代码已公开：https://github.com/HiOnes/Mr-Virgil。
引用
@article{arxiv.2512.10540,
title = {Mr. Virgil: Learning Multi-robot Visual-range Relative Localization},
author = {Si Wang and Zhehan Li and Jiadong Lu and Rong Xiong and Yanjun Cao and Yue Wang},
journal= {arXiv preprint arXiv:2512.10540},
year = {2025}
}
备注
Accepted by 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)