所有文章 > 正文

机器人框架迎来新进展!机器人协作中的深度和相对定位得到评估

作者: Jansfer

时间: 2019-08-20 18:30

近期,葡萄牙波尔图大学(University of Porto)和瑞典皇家理工学院(KTH Royal Institute of Technology)的研究人员开发了一个框架,可以估计两个地面机器人在协作任务时的深度和相对位置。

近期,葡萄牙波尔图大学(University of Porto)和瑞典皇家理工学院(KTH Royal Institute of Technology)的研究人员开发了一个框架,可以估计两个地面机器人在协作任务时的深度和相对位置。arXiv上预先发表的一篇论文概述了他们的框架,该框架有助于提高多个机器人在探索、操作、扫描、采样和巡逻以及搜救任务中的性能。

近年来,科研人员进行了越来越多的研究,希望找到一个解决方案,能够有效地协调分散架构中的多个机器人。在集体工作时,为了高效地完成任务,团体或队列中的单个机器人至少应该知道周围其他机器人的位置。

这种与定位相关的数据,即相对位置信息,可以让机器人优化给定目标的函数,重新规划路径,避免与其它机器人发生碰撞。但是在一些实际情况中,机器人实现相对位置的精确估计是非常困难的。比如,在遥远或者封闭的地方执行极端任务时,机器人可能会面临交流频道、高精度定位和运动捕捉系统方面的问题。

考虑到这一点,波尔图大学和瑞典皇家理工学院的研究团队着手开发了一个框架,可以强化地面机器人的三维深度估计和相对位置估计,让它们朝着一个共同的目标协同工作。该团队特别重视一个情况,即两个自控地面车辆在一个未知的环境中行驶,并都配备了透视相机。

img_6414.jpg

图|框架流程图(来源:Rodrigues等人)

“深度估计问题的目的是还原环境的三维信息,”研究人员在论文中解释道:“相对定位问题包括通过感知彼此的姿势或共享感知环境的信息来估计两个机器人之间的相对位置。”

大多数现有的机器人深度估计和相对定位的解决方案都是分析一组断开连接的数据,而不考虑事件的时间顺序。另一方面,研究人员提出的方法考虑了两个机器人各自通过摄像头收集的信息,然后将这些信息整合起来,计算出它们之间的相对姿势。两个机器人收集的深度估计信息和输入命令被传输到一个扩展卡尔曼滤波器(EKF)中,EKF专用于处理这些数据并估计机器人之间的相对位置。

研究人员写道:“虽然之前的解决方案考虑了一组两个或多个环境图像,或者使用特殊的编队配置(例如,各个机器人均在其他机器人的视野中,或者可以感知其他机器人的位置),但是,我们构建的框架可以共享一系列周围环境的观测数据,这些数据来自各个机器人对局部环境的观测。”

通过使用两个称为TurtleBots的地面机器人进行测试,研究人员在一系列模拟环境中评估了他们设计的框架。结果表明,该框架在机器人协作任务中的确加强了深度估计和相对定位的功能。在未来的研究中,研究人员计划涉及两个机器人的主动控制,以及与协作相关的层面。

img_6413.jpg

图|两个机器人在观测一对三维点(来源:Rodrigues等人)

参考:https://techxplore.com/news/2019-08-framework-depth-relative-localization-ground.html

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多