riMESA：面向真实世界协同SLAM的共识ADMM

协同同时定位与地图构建（Collaborative SLAM, C-SLAM）是多机器人团队的基本能力，因为它使计划和导航等下游任务成为可能。然而，现有需要解决该问题的C-SLAM后端算法在实际部署中面临诸多现实挑战（即通信限制、离群值测量和在线操作）。本文提出了鲁棒、增量、分布式C-SLAM后端——鲁棒增量流形边基可分离ADMM（riMESA），其对离群值具有鲁棒性，能够应对有限通信环境，在实时条件下为多机器人团队计算准确的状态估计。通过开发riMESA，我们更广泛地论证了将共识交替方向乘子方法（Consensus Alternating Direction Method of Multipliers）作为机器人中如C-SLAM等分布式优化任务的理论基础是具有吸引力的，因为该方法具有灵活性、准确性和快速收敛性。我们以深入评估riMESA在各种C-SLAM问题情景和通信网络条件下使用人造数据和真实世界C-SLAM数据的表现。这些实验表明，riMESA能够跨越各种条件，产生准确的状态估计，实时运行，并在真实世界数据集上 outperform prior works的准确性提升了7倍以上。