रोबोट टीमों के साथ सक्रिय मैपिंग के लिए रिमानियन ऑप्टिमाइजेशन

अनजान वातावरणों की स्वायत्त खोज के लिए मोबाइल रोबोटों की टीम का उपयोग करना वितरित धारणा और योजना रणनीतियों की मांग करता है ताकि कुशल और स्केलेबल प्रदर्शन सक्षम हो सके। आदर्श रूप से, प्रत्येक रोबोट को केवल अपनी उस अवलोकनों पर निर्भर नहीं रहना चाहिए, बल्कि अपने साथियों के अवलोकनों पर भी विचार करना चाहिए। कई रोबोट समन्वय के लिए केंद्रीकृत समाधान केंद्रीय नोड विफलता के प्रति संवेदनशील होते हैं और विश्वसनीय संचालन के लिए एक जटिल संचार बुनियादी ढांचे की आवश्यकता होती है। वर्तमान विकेंद्रीकृत सक्रिय मैपिंग विधियाँ साधारण रोबोट मॉडलों को रेखीय-गौसीय अवलोकनों और युक्लिडियन रोबोट राज्यों के साथ मानती हैं। इस कार्य में, हम एक वितरित बहु-रोबोट मैपिंग और योजना विधि प्रस्तुत करते हैं, जिसे सक्रिय मैपिंग के लिए रिमानियन ऑप्टिमाइजेशन (ROAM) कहा जाता है। हम एक ग्राफ पर नोड वेरिएबल्स के साथ एक ऑप्टिमाइजेशन समस्या को तैयार करते हैं जो रिमानियन मैनिफोल्ड से संबंधित होते हैं और एक सहमति प्रतिबंध आवश्यक समाधान की अपेक्षा करता है कि नोड वेरिएबल्स पर सहमत हों। हम एक वितरित रिमानियन ऑप्टिमाइजेशन एल्गोरिदम विकसित करते हैं जो केवल एक-हॉप संचार पर निर्भर करता है ताकि सहमति और उत्कृष्टता के आश्वासन के साथ समस्या को हल किया जा सके। हम दिखाते हैं कि कई रोबोट सक्रिय मैपिंग हमारे वितरित रिमानियन ऑप्टिमाइजेशन के दो अनुप्रयोगों के माध्यम से प्राप्त की जा सकती है: 3-डी सेमांटिक मैप का वितरित अनुमान और SE(3) ट्रेजेक्टरी की वितरित योजना जो मैप अनिश्चितता को न्यूनतम करती है। हम RGB-D कैमरों के साथ रोबोटों की एक टीम का उपयोग करके ROAM के प्रदर्शन को सिमुलेशन और वास्तविक दुनिया के प्रयोगों में प्रदर्शित करते हैं।