Core Concepts
Consensus Simultaneous Localization and Mapping(CSLAM)のためのManifold, Edge-based, Separable ADMM(MESA)は、分散型で障害に強く、非同期通信を許容し、一般的なCSLAM問題を処理することができます。
Abstract
イントロダクション
マルチロボットチームにおける協力的な位置同定とマッピング(CSLAM)の重要性。
CSLAMバックエンドの開発とその要件。
関連研究
分散最適化アルゴリズムの概要とC-ADMMの優れた収束率について。
方法論
CSLAM問題を解決するためのMESAアルゴリズムの提案。
異なる制約モデリングアプローチから派生したMESAの変種について探求。
実験
MESAバリアントのパフォーマンス比較。
MESAの一般化能力評価。
先行研究とMESAの比較結果。
Stats
マルチロボットチーム:4台
データセット生成:3Dおよび2Dデータセット
測定ノイズモデル:(0.1°; 0.01m)〜(2°; 0.15m)
最大通信回数:500 * |communication links| * |robots|
Quotes
"Multi-robot teams require that agents have timely and accurate solutions to their state as well as the states of the other robots in the team."
"MESA exhibits superior convergence rates and accuracy compared to existing state-of-the art CSLAM back-end optimizers."