[논문 리뷰] Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems

Yulun Tian, Yun Chang외 4명|arXiv (Cornell University)|2021. 06. 28.

Robotics and Sensor-Based Localization참고 문헌 85인용 수 4

한 줄 요약

Kimera-Multi는 실시간으로 전역적으로 일관된 밀도 높은 메트릭-세미틱 3D 메시 지도를 구축하는 완전 분산형, 강력하고 통신 효율적인 다중 로봇 SLAM 시스템을 제안한다. 분산 장소 인식과 새로운 강력한 자세 그래프 최적화(D-GNC)를 융합함으로써, 중앙집중식 시스템과 유사한 궤적 정확도를 달성하면서도 인식 오진( perceptual aliasing) 이상치를 거부하고, 세미틱 메시 주석을 통해 고수준의 공간 AI를 가능하게 한다.

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).

연구 동기 및 목표

• 인식 오진에 강건하고 제한된 통신 대역폭 환경에서도 작동하는 다중 로봇 SLAM 시스템을 구현하는 것.
• 피어 투 피어 통신만을 사용하여 실시간으로 전역적으로 일관된 밀도 높은 메트릭-세미틱 3D 메시 지도를 구축하는 것.
• 완전 분산형 구조를 유지하면서도 중앙집중식 SLAM과 유사한 궤적 추정 정확도를 달성하고 통신 오버헤드를 최소화하는 것.
• 예를 들어 '건물', '도로'와 같은 세미틱 레이블을 메시 면에 주석 처리하여 고수준 의사결정을 지원하는 것.
• 3D 재구성과 궤적 추정을 별도로 지원하는 모듈러 시스템을 개발하는 것.

제안 방법

• 각 로봇은 시각-자이로스코픽 센서를 사용하여 국지적 궤적 추정과 국지적 밀도 높은 3D 메시를 구축한다.
• 통신이 가능한 경우, 로봇들은 분산 장소 인식을 수행하여 상호 및 내부 로봇의 루프 클로저를 탐지한다.
• 새로운 분산 점진적 비凸성(D-GNC) 알고리즘이 두 단계 RBCD 기반 접근 방식을 사용하여 이상치를 거부하는 강력한 자세 그래프 최적화를 수행한다.
• D-GNC는 국지적 피어 투 피어 통신을 반복적으로 사용하여 로봇 간 변수를 갱신함으로써 완전히 분산된 최적화를 가능하게 한다.
• 각 로봇은 전역적으로 최적화된 궤적을 사용하여 국지적 메시를 변형하고 보정함으로써 메트릭-세미틱 정확도를 향상시킨다.
• 이 시스템은 모듈러하며, 세미틱 레이블링 없이도 표준 3D 재구성 또는 궤적 추정에 사용될 수 있다.

실험 결과

연구 질문

• RQ1 완전히 분산된 다중 로봇 SLAM 시스템이 통신 대역폭을 최소화하면서도 중앙집중식 시스템과 유사한 메트릭-세미틱 정확도를 달성할 수 있는가?
• RQ2 강력한 분산 최적화를 사용하여 다중 로봇 SLAM에서 인식 오진을 효과적으로 완화할 수 있는가?
• RQ3 피어 투 피어 통신만을 사용하여 실시간으로 전역적으로 일관된 밀도 높은 3D 메시 지도에 세미틱 레이블을 부여할 수 있는가?
• RQ4 어려운 외부 환경에서 제안된 D-GNC 알고리즘의 성능이 중앙집중식 및 이전의 분산 이상치 거부 방법과 비교하여 어떻게 되는가?
• RQ5 희박한 상호 로봇 루프 클로저와 시각적 열악한 조건에서도 시스템이 정확도를 얼마나 유지하는가?

주요 결과

• Medfield 데이터셋에서 Kimera-Multi는 종단 간 궤적 오차를 0.01–0.13미터로 줄였으며, 중앙집중식 솔버와 동일한 성능을 달성했고, Kimera-VIO는 14.84–24.55미터의 드리프트를 누적했다.
• 더 도전적인 Stata 데이터셋에서 Kimera-Multi는 2000회의 RBCD 반복 후 종단 간 오차를 1.17–33.13미터로 개선했으며, 초기 추정치보다 크게 향상되었고 중앙집중식 성능에 가까워졌다.
• 기본 중앙집중식 SLAM 대비 통신 비용을 크게 줄였으며, 피어 투 피어 루프 클로저 교환을 통해 최소한의 대역폭으로도 높은 정확도를 달성했다.
• D-GNC 알고리즘이 인식 오진으로 인한 이상치 루프 클로저를 성공적으로 거부하여, 제한된 상호 로봇 루프 클로저 조건에서도 강력한 최적화를 가능하게 했다.
• 최종적으로 최적화된 3D 메시는 개선된 메트릭-세미틱 정확도를 보였으며, 면이 정확하게 레이블링되고 로봇 간 기하학적 정밀도가 유지되었다.
• Kimera-Multi는 장거리 궤적(로봇당 최대 860미터)에서도 확장성과 강건성을 입증하여 실외 환경에서의 실용성을 입증했다.