基于置信传播的结构感知三维气体分布建图：一种用于机器人部署的实时算法
机器人学
2023-03-07 v1
摘要
本文提出了一种基于高斯置信传播局部消息传递的新型三维气体分布建图技术，能够在实时条件下求解三维空间中的浓度估计，同时考虑场景内的障碍物信息，此为文献中首例。该气体建图问题被表述为一个由高斯势构成的3D因子图，其连接由局部占据值决定。引入高斯置信传播框架作为求解器，并提出一种新的混合消息调度策略以提高收敛速度。随后将该因子图问题重新设计为动态扩展的推断任务，将连续的气体测量信息与机器人获取的局部空间结构相耦合。所提算法在2D与3D仿真中与最先进方法进行比较，发现其求解分布图的速度比典型的直接求解器快数个数量级。该框架随后首次部署在一台地面机器人上，用于三维建图与探索任务。系统被证明能够在GPS拒止的杂乱场景中实时处理多个传感器输入并输出高分辨率三维气体分布图。这种对复杂羽流结构的在线推断，相较于其2D对应方法提供了一层新的上下文信息，并使自主系统能够利用实时估计来指导潜在的下一最佳采样位置。
引用
@article{arxiv.2212.07552,
title = {Structurally aware 3D gas distribution mapping using belief propagation: a real-time algorithm for robotic deployment},
author = {Callum Rhodes and Cunjia Liu and Wen-Hua Chen},
journal= {arXiv preprint arXiv:2212.07552},
year = {2023}
}