面向分布式回环检测的次优预算化数据交换

机器人间回环检测是协作式 SLAM（CSLAM）的核心问题。建立机器人间回环检测是一个资源密集型过程，期间机器人必须消耗大量任务关键资源（如电池与带宽）来交换感知数据。然而，即便采用最资源高效的技术，机载可用资源也可能不足以验证每一个潜在的回环。本工作通过提出一种资源自适应框架来解决这一关键挑战，用于分布式回环检测。我们寻求在总数据传输的预算约束下最大化面向任务的目标。该问题一般而言是 NP-hard 的。我们从不同角度切入该问题，并利用关于单调子模最大化的已有结果，提供具有性能保证的高效近似算法。所提方法使用 KITTI 里程计基准数据集与合成类曼哈顿数据集进行了广泛评估。