看了B站你们发布的MUI-TARE,我有关于多车slam的问题和仿真器的问题!!!

weixin_39463633 2022-09-22 20:45:12

1.首先是我没找到论文 ,若是已经发布了希望发个链接,拜读一下,就不需要大佬回答以下问题了。

2.我的毕业论文其中有一部分就是改你们的单车 tare  到多车上,但是太菜了,只做了需要初始化定位(通过统一的网格编号而全局共享网格状态)的版本。

之前有想过使用  disco_slam(一个多车slam算法) 做多车探索不需要初始化的方案,但有些关键节点没想通,放弃了,这就是和大佬的差距吧。

所以我想问一下你们是开发出了 多车slam 的算法再结合到规划上么?校园的那个仿真场景非常适合识别到相同场景拼接后返回探索,在森林场景有过测试么(若是中间使用的slam  森林场景应该是个大考验,拼接上)?

3.据我对你们仿真套件的了解,你们获取的点云地图是全局坐标点,并不是使用某个slam算法做的(若是以以前的仿真器,多个小车不同位置出发,他们获取的点云坐标是全局的坐标系(已经统一了所以我做的初始化定位版本在以前的仿真器上很好做)),你们在多车的算法上是丢弃了这种仿真思路?使用了某个多车slam算法? 还是在规划算法里面,做了场景识别并拼接?

4.关于拼接后规划问题:   如果是各个小车的key-graph的融合应该很麻烦,是使用的各个小车的轨迹融合么?

...全文
105 4 打赏 收藏 举报
写回复
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
maxtomCMU 09-23
  1. Paper会很快上传到Arxiv,这两天就可以下了。后续相关的文章和程序会在以下github repo挂出来
    https://github.com/MetaSLAM/MUI-TARE_Server

  2. MUI—TARE的特点是结合了TARE的强大单agent exploration能力,和我们之前的AutoMerge大规模地图拼接融合能力实现的。
    这一点也是一般Multi-Agent算法无法具备的,想进一步了解的话,请参考
    https://github.com/MetaSLAM/AutoMerge_Server

  3. 我们以往的仿真环境主要是为了测试单个agent的exploration能力,但是在实际系统中比如需要稳定的激光里程计(LOAM,Leg哦LOAM,FastLIO等等)。后续我们会提供一个更大的仿真平台,进一步改进Multi-Agent性能,具体可以参考
    https://metaslam.github.io/softwares/playground/
    但是在large-scale环境下,就需要类似于AutoMerge这样的支持系统。

  4. 是的,需要实时在线的地图融合,需要在精度和性能之间平衡。

  • 打赏
  • 举报
回复
@殷鹏715 谢谢大佬的回复,之前看你们组织那个多车slam的比赛,就猜到是要融合到这里,太快了!!!期待论文!!期待大佬在解决无初始化定位的思路,之前在仿真器上改多车,获取的数据就是全局的坐标系,一步到位,没有多车slam 的问题了,就顺着做了下去,之后想无初始化定位时,找了那个多车slam的算法 , 感觉在中途拼接成功时 ,不同小车不同起点编号的全局网格需要共享状态,各个小车的key-graph 的也需要拼接(只有轨迹拼接应该好做一些),感觉要改动的东西太多了(有初始定位的可以实时做拼接和共享,方便很多),有大概思路但不成熟。 当时大概思路是:每个小车以自己为坐标中心,每次规划贡献小车的局部网格状态,和当前位置。所有小车都接受其他小车的局部网格状态信息和位置, 假设有3个小车,在拼接成功前每个小车都维护3个网格,都维护三条轨迹,都是以各自起点位置为坐标轴,然后一旦拼接成功,就会出现各个坐标系的转换关系,这时启动融合,就这里出现问题,由于随机放置那么网格进行坐标系转换后不一定是准确的对应,很可能是错开的,以最低的状态进行定义(不确定会不会有问题) ,小车的轨迹融合比较简单,就是图上添加结点,并添加边(拼接成功的地方肯定有其他小车的轨迹点,扫描判定再连接就好),后序的协同分配,全局规划 按照之前的 TSP 思路 就抽象为 多站点路由问题 用那个or-tools包解决。 但想到仿真环境和算力和改动程度,就直接放弃了。期待论文!!!
  • 举报
回复
maxtomCMU 09-23
@weixin_39463633 DiSCo-SLAM的局限性太大了,他基于的Scancontext本身对于场景识别的鲁棒性就比较差。如果放在大规模环境下做多机器人协作,轨迹的拼接一旦出错就会导致整个系统崩盘。可以简单参考一下我们刚放出来的论文 https://arxiv.org/abs/2209.10775 在真实环境中,由于机器人轨迹的不同,视角不同,动态环境影响等,会导致相同位置的识别率很低;如果再考虑重复性环境(走廊等),这都会给拼接带来巨大挑战。
  • 举报
回复
展开其他1条回复
相关推荐
发帖
TARE机器人自主导航系统

542

社区成员

社区内分享我们的开源平台tare机器人自主导航系统,希望能帮助所有自主移动机器人领域的研究人员快速搭建出属于自己的,稳定可靠的机器人仿真和实验的平台,更快进入自己的研究领域
自动驾驶人工智能 企业社区
社区管理员
  • 哈工大-朱洪彪
  • 小麦Y
  • 曹超CMU
加入社区
帖子事件
创建了帖子
2022-09-22 20:45
社区公告
暂无公告