来源:专知
本文约1000字,建议阅读5分钟
本博士论文研究了使用自适应表示作为解决这些挑战的方法,重点是增强体积地图的可扩展性、效率和准确性。
随着机器人在自主检查、家庭辅助和搜救等更广泛挑战中的应用超越工业环境,人们对其在越来越大、无结构和未知环境中自主导航和执行有意义任务的需求也在增长。尽管硬件、传感和计算技术的改进使机器人具有更强的灵活性和感知能力,但其软件,特别是自主映射和导航能力,仍然是一个显著的瓶颈。体积地图提供了一个通用、安全且与任务无关的环境表示,但其过高的计算和内存需求限制了其在小型和经济实惠机器人上的实际使用。
本博士论文研究了使用自适应表示作为解决这些挑战的方法,重点是增强体积地图的可扩展性、效率和准确性。认识到体积地图的价值取决于它们对下游任务的益处,我们研究了局部和全局规划作为两个代表性应用。利用层次化、多分辨率的方法,本研究旨在根据任务的需求动态平衡细节和计算成本之间的权衡。
本论文的主要贡献是开发了一种名为wavemap的数学上严格的多分辨率映射框架,该框架根据环境几何调整地图分辨率而不依赖于启发式方法。MRA理论保证了使用小波分解,新观测可以安全且高效地以由粗到细的方式整合到地图中。通过计算效率的提高以及积分器的早期停止标准,我们可以使用更复杂的测量模型,从而更好地捕捉细小物体,提高机器人操作的安全性和可靠性。该框架在合成和真实数据上进行了广泛评估,证明了其在高效重建大规模环境的同时精确捕捉细节的能力。除了在可扩展性和地图质量方面的显著改进外,该框架的灵活性也使其能够应用于各种传感器和应用场景。
我们的第二和第三个贡献是开发了高效的反应性避障方法和确定性全局路径规划方法,利用层次化表示和算法以及wavemap框架,实现了在复杂环境中快速、可靠的导航。在不同真实环境的地图上进行的实验评估以及在微型空中车辆上的部署,证明了这些方法在效率、准确性和灵活性方面优于现有方法,强调了其在显著推进机器人映射和导航领域中的潜力。
总之,本博士论文为机器人领域中体积映射和规划的挑战提出了一个全面的解决方案,为更多自主、高效和多功能的机器人系统在多样化和变化环境中的操作铺平了道路。
关于我们
数据派THU作为数据科学类公众号,背靠清华大学大数据研究中心,分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识,努力建设数据人才聚集平台、打造中国大数据最强集团军。
新浪微博:@数据派THU
微信视频号:数据派THU
今日头条:数据派THU