基于结构感知姿态纠正和权重适应的稳健多机器人定位：SaWa-ML
机器人学
2025-07-21 v1
摘要
多机器人定位是实现多机器人系统的关键任务。大量研究者提出了基于优化的多机器人定位方法，使用摄像头、IMU和UWB传感器。然而，个别机器人 odometry 估计值以及机器人之间用于优化的距离测量特性未得到充分考虑。此外，先前的研究严重受制于来自个别机器人的 odometry 准确度估计。这可能导致由于误差累积而不可避免的长期漂移误差。本文我们提出一种新型的视觉-惯性-范围基准的多机器人定位方法，称为SaWa-ML，它实现了几何结构感知的姿态纠正和基于权重适应的稳健多机器人定位。我们的贡献有两个方面：(i)我们利用UWB传感器数据，其范围误差随时间不会累积，首先估计机器人之间的相对位置，然后纠正每个机器人的定位，从而减少长期漂移误差；(ii)我们设计了基于传感器数据特性和视觉-惯性 odometry 估计的自适应权重用于机器人姿态纠正。该方法经过实际实验验证，显示出比当前最先进算法显著的性能提升。
引用
@article{arxiv.2507.13702,
title = {SaWa-ML: Structure-Aware Pose Correction and Weight Adaptation-Based Robust Multi-Robot Localization},
author = {Junho Choi and Kihwan Ryoo and Jeewon Kim and Taeyun Kim and Eungchang Lee and Myeongwoo Jeong and Kevin Christiansen Marsim and Hyungtae Lim and Hyun Myung},
journal= {arXiv preprint arXiv:2507.13702},
year = {2025}
}
备注
This paper has been accepted to the 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)