ポーズグラフSLAMのためのスペクトル測定スパース化【JST・京大機械翻訳】

Doherty Kevin J.; Rosen David M.; Leonard John J.

プレプリント

J-GLOBAL ID：202202201264513766 整理番号：22P0310547

ポーズグラフSLAMのためのスペクトル測定スパース化【JST・京大機械翻訳】

Spectral Measurement Sparsification for Pose-Graph SLAM

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月25日プレプリントサーバーでの情報更新日： 2022年03月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

同時位置決めとマッピング(SLAM)は,自律ナビゲーションにおける臨界能力であるが,SLAMを「寿命長」SLAMの設定にスケールするために,特にメモリまたは計算制約の下で,ロボットはどのような情報を保持すべきか,そして何が安全に忘れるかを決定する必要がある。グラフベースSLAMにおいて,姿勢グラフにおけるエッジ数(測定)は,ロボットの観測を記憶するメモリ要求と,それらの観察を用いて状態推定を行うためのアルゴリズムの計算費用の両方を決定する。両者は,長期ナビゲーションの間,無限に成長することができる。これに取り組むために,姿勢グラフSLAM解の推定誤差を制御することが示されている重要な量である,スパース化測定グラフの代数的連結性を最大化する姿勢グラフスパース化のためのスペクトルアプローチを提案した。本アルゴリズムは,凸緩和に基づくMAC(最大代数的連結性を最大化)は簡単で計算的に安価であり,解の品質に関する形式的事後性能保証を保証する。ベンチマーク姿勢グラフSLAMデータセットに関する実験において,提案アプローチはグラフの連結性を保持し,次に,グラフ接続性を考慮しないベースラインアプローチと比較して,対応するSLAM解の品質を保持する高品質スパース化結果を迅速に生成することを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る