分散変分推論を用いたマルチロボット物体SLAM

マルチロボット同時位置付けと地図作成（SLAM）は、ロボットチームが共通の地図に依存して協調タスクを実行することを可能にします。しかし、ロボットの観測を中央集権的に処理することは望ましくなく、単一の故障点を作成し、既存のインフラストラクチャと大規模なマルチホップ通信スループットを必要とします。本論文では、マルチロボット物体SLAMを通信グラフ上の変分推論問題として定式化します。共通の地図に関する合意を確保するために、異なるノードが保持するオブジェクトに合意制約を課します。この問題を解決するために、合意を強制する正則化項を持つ分散ミラー降下アルゴリズムを開発します。アルゴリズム内でガウス分布を使用し、マルチロボット物体SLAMのための分散マルチ状態制約カルマンフィルタ（MSCKF）を導出します。実データとシミュレーションデータに基づく実験により、我々の手法は、個々のロボットSLAMに比べて軌道および物体の推定を改善し、中央集権的なマルチロボットSLAMに比べて大規模ロボットチームへのスケーリングをより良く達成することが示されます。コードは https://github.com/intrepidChw/distributedₘsckf で利用可能です。