이 연구는 분산 협업 SLAM(DCSLAM)의 백엔드 모듈에서 발생하는 비선형 자세 그래프 최적화(PGO) 문제를 해결하기 위한 새로운 알고리즘을 제안한다.
먼저, 다중 수준 그래프 분할 알고리즘을 사용하여 원래의 자세 그래프를 전처리하여 균형 잡힌 최적화 하위 문제를 구성한다. 이를 통해 각 로봇이 균형 잡힌 크기의 최적화 문제를 해결할 수 있게 된다.
다음으로, 가속 좌표 하강 방법에서 영감을 받아 개선된 리만 블록 좌표 하강(IRBCD) 알고리즘을 고안하였다. IRBCD 알고리즘은 리만 기울기의 리프셋 상수를 필요로 하지 않으며, 일반화된 모멘텀 항을 포함하여 가속화된다. 또한 적응적 재시작 전략을 활용하여 알고리즘의 수렴 성능을 향상시켰다. 이 알고리즘은 전역적으로 최적인 첫 번째 순서 정상점에 수렴한다는 것이 증명되었다.
마지막으로, 4가지 일반적인 그래프 분할 방법의 성능을 비교 분석하였다. 실험 결과, Highest 방식이 이 CSLAM 작업에서 가장 우수한 분할 품질을 달성하는 것으로 나타났다. 또한 IRBCD 방법은 RBCD와 RBCD++ 대비 정확도와 수렴 속도가 향상되었다.
따라서 제안된 분산 자세 그래프 최적화 알고리즘은 다중 로봇 시스템의 통신 오버헤드를 줄이고 최적화 솔루션의 품질을 향상시킬 수 있다.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Cunhao Li,Pe... alle arxiv.org 03-21-2024
https://arxiv.org/pdf/2401.01657.pdfDomande più approfondite