Los puntos clave no están disponibles para este artículo en este momento.
La localización y mapeo simultáneo (SLAM) de múltiples robots permite a un equipo de robots llevar a cabo tareas coordinadas basándose en un mapa común. Sin embargo, el procesamiento centralizado de las observaciones de los robots es indeseable porque crea un único punto de fallo y requiere infraestructura preexistente y un considerable ancho de banda de comunicación multinivel. Este documento formula el SLAM de objetos multi-robot como un problema de inferencia variacional sobre un grafo de comunicación. Impartimos una restricción de consenso sobre los objetos mantenidos por diferentes nodos para asegurar el acuerdo sobre un mapa común. Para resolver el problema, desarrollamos un algoritmo de descenso de espejo distribuido con un término de regularización que impone consenso. Utilizando distribuciones gaussianas en el algoritmo, derivamos un filtro de Kalman de restricción multiestado (MSCKF) para el SLAM de objetos multi-robot. Experimentos con datos reales y simulados muestran que nuestro método mejora la trayectoria y las estimaciones de objetos, en comparación con el SLAM de robots individuales, logrando al mismo tiempo una mejor escalabilidad para grandes equipos de robots, en comparación con el SLAM multi-robot centralizado. El código está disponible en https://github.com/intrepidChw/distributedₘsckf.
Cao et al. (Sun,) estudiaron esta cuestión.