[論文レビュー] Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems

Yulun Tian, Yun Chang+4 more|arXiv (Cornell University)|Jun 28, 2021

Robotics and Sensor-Based Localization参考文献 85被引用数 4

ひとこと要約

Kimera-Multi は、リアルタイムでグローバルに一貫性のある高密度なメトリック・セマンティック3Dメッシュ地図を構築する、完全分散型で耐障害性が高く通信効率の良いマルチロボットSLAMシステムを提示する。分散型の場所認識と、新規の耐障害性のあるポーズグラフ最適化（D-GNC）を組み合わせることで、集中型システムと同等の軌道精度を達成すると同時に、認識的二重性の外れ値を排除し、セマンティックメッシュのアノテーションによって高水準な空間AIを可能にする。

ABSTRACT

This paper presents Kimera-Multi, the first multi-robot system that (i) is robust and capable of identifying and rejecting incorrect inter and intra-robot loop closures resulting from perceptual aliasing, (ii) is fully distributed and only relies on local (peer-to-peer) communication to achieve distributed localization and mapping, and (iii) builds a globally consistent metric-semantic 3D mesh model of the environment in real-time, where faces of the mesh are annotated with semantic labels. Kimera-Multi is implemented by a team of robots equipped with visual-inertial sensors. Each robot builds a local trajectory estimate and a local mesh using Kimera. When communication is available, robots initiate a distributed place recognition and robust pose graph optimization protocol based on a novel distributed graduated non-convexity algorithm. The proposed protocol allows the robots to improve their local trajectory estimates by leveraging inter-robot loop closures while being robust to outliers. Finally, each robot uses its improved trajectory estimate to correct the local mesh using mesh deformation techniques. We demonstrate Kimera-Multi in photo-realistic simulations, SLAM benchmarking datasets, and challenging outdoor datasets collected using ground robots. Both real and simulated experiments involve long trajectories (e.g., up to 800 meters per robot). The experiments show that Kimera-Multi (i) outperforms the state of the art in terms of robustness and accuracy, (ii) achieves estimation errors comparable to a centralized SLAM system while being fully distributed, (iii) is parsimonious in terms of communication bandwidth, (iv) produces accurate metric-semantic 3D meshes, and (v) is modular and can be also used for standard 3D reconstruction (i.e., without semantic labels) or for trajectory estimation (i.e., without reconstructing a 3D mesh).

研究の動機と目的

• 認識的二重性に強く、通信帯域が限られた環境でも動作するマルチロボットSLAMシステムを実現すること。
• ピアツーピア通信のみを用いて、グローバルに一貫性のある高密度なメトリック・セマンティック3Dメッシュ地図をリアルタイムで構築すること。
• 完全分散型でありながら通信負荷を低く保ちつつ、集中型SLAMと同等の軌道推定精度を達成すること。
• メッシュの面にセマンティックラベル（例：「建物」、「道路」）をアノテートすることで、高水準な意思決定を支援すること。
• 3D再構築と軌道推定を独立して行えるモジュラーなシステムを構築すること。

提案手法

• 各ロボットは、ビジュアルインertシャルセンサを用いて、ローカルな軌道推定とローカルな高密度3Dメッシュの構築にKimeraを用いる。
• 通信が可能になると、ロボット同士が分散型の場所認識を実行し、相互および内部のループクロージャを検出する。
• 新規の分散型段階的非凸性（D-GNC）アルゴリズムが、2段階のRBCDベースのアプローチを用いて外れ値を排除する耐障害性のあるポーズグラフ最適化を実行する。
• D-GNCは、ローカルなピアツーピア通信を繰り返し用いて、ロボット間で変数を段階的に更新することで、完全分散型の最適化を可能にする。
• 各ロボットは、グローバルに最適化された軌道を用いて、自身のローカルメッシュを変形・補正し、メトリック・セマンティックの正確性を向上させる。
• このシステムはモジュラーであり、セマンティックラベルなしで標準的な3D再構築や軌道推定に使用可能である。

実験結果

リサーチクエスチョン

• RQ1 完全分散型マルチロボットSLAMシステムは、通信帯域を最小限に抑えつつ、集中型システムと同等のメトリック・セマンティック精度を達成できるか？
• RQ2 耐障害性のある分散型最適化を用いることで、マルチロボットSLAMにおける認識的二重性を効果的に軽減できるか？
• RQ3 ピアツーピア通信のみを用いて、セマンティックラベル付きの高密度でグローバルに一貫性のある3Dメッシュ地図をリアルタイムで構築できるか？
• RQ4 D-GNCアルゴリズムの性能は、屋外環境で困難な条件下において、集中型および従来の分散型外れ値除去手法と比較してどうなるか？
• RQ5 本システムは、間欠的なロボット間ループクロージャや視覚的に劣化した状況下でも、どの程度の精度を維持できるか？

主な発見

• Medfieldデータセットでは、Kimera-Multiはエンドツーエンドの軌道誤差を0.01〜0.13メートルにまで低減し、集中型ソルバーと同等の性能を達成した。一方、Kimera-VIOは14.84〜24.55メートルのドリフトを蓄積した。
• より挑戦的なStataデータセットでは、2000回のRBCDイテレーション後、Kimera-Multiはエンドツーエンド誤差1.17〜33.13メートルを達成し、初期推定値から著しく改善され、集中型性能に近づいた。
• ベースラインの集中型SLAMと比較して、通信コストを大幅に削減した。ピアツーピアでのループクロージャ交換により、最小限の帯域幅で高い精度を実現した。
• D-GNCアルゴリズムは、認識的二重性によって生じる外れ値のループクロージャを効果的に排除し、限られたロボット間ループクロージャでも耐障害性のある最適化を可能にした。
• Kimera-Multiが生成した最適化済み3Dメッシュは、メトリック・セマンティックの正確性が向上しており、各メッシュ面が正しくラベル付けされ、幾何学的忠実性がロボット間で保持された。
• Kimera-Multiは、1ロボットあたり最大860メートルの長大な軌道でもスケーラビリティと耐障害性を示し、屋外環境における実世界応用の有効性を検証した。