[논문 리뷰] Swarm-SLAM : Sparse Decentralized Collaborative Simultaneous Localization and Mapping Framework for Multi-Robot Systems

Pierre–Yves Lajoie, Giovanni Beltrame|arXiv (Cornell University)|2023. 01. 16.

Robotics and Sensor-Based Localization인용 수 5

한 줄 요약

스웜-SLAM은 라이다, 스테레오, RGB-D 센서를 사용하는 다중 로봇 시스템을 위한 희소하고 탈중앙화되며 통신 효율적인 협업 SLAM 프레임워크를 제안한다. 고유치 기반 예산 설정된 루프 클로징 선택과 GNC 기반 백엔드를 활용하여 최소한의 데이터 교환으로 정확한 글로벌 매핑을 달성하며, 3台의 로봇을 대상으로 475미터 거리에서 실재 실험을 통해 검증되었다. 통신 데이터는 총 94.95 MB에 불과하다.

ABSTRACT

Collaborative Simultaneous Localization And Mapping (C-SLAM) is a vital component for successful multi-robot operations in environments without an external positioning system, such as indoors, underground or underwater. In this paper, we introduce Swarm-SLAM, an open-source C-SLAM system that is designed to be scalable, flexible, decentralized, and sparse, which are all key properties in swarm robotics. Our system supports inertial, lidar, stereo, and RGB-D sensing, and it includes a novel inter-robot loop closure prioritization technique that reduces communication and accelerates convergence. We evaluated our ROS-2 implementation on five different datasets, and in a real-world experiment with three robots communicating through an ad-hoc network. Our code is publicly available: https://github.com/MISTLab/Swarm-SLAM

연구 동기 및 목표

• 대규모 다중 로봇 팀을 위한 중앙집중식 협업 SLAM에서 발생하는 확장성 및 통신 병목 현상을 해결하기 위해.
• GPS 장애 환경인 실내, 지하, 해양 환경과 같은 곳에서도 견고하고 탈중앙화된 지도 융합을 가능하게 하기 위해.
• 스웜 로봇에서 정밀한 위치 추정 및 매핑 정확도를 유지하면서도 통신 및 계산 오버헤드를 최소화하기 위해.
• 실세계 구현을 위해 라이다, 스테레오, RGB-D와 같은 다양한 센서 모odalities를 통합하고 개방형 프레임워크로 지원하기 위해.

제안 방법

• 고유치 최대화 기반 예산 설정된 상호 로봇 루프 클로징 탐지 알고리즘을 사용하여 가장 정보가 풍부한 후보 매칭을 우선순위화한다.
• 중앙 기관 없이도 로봇 간의 희박하고 지역적인 통신을 가능하게 하는 탈중앙화된 이웃 관리 전략을 적용한다.
• 단일로 중심적으로 선출된 로봇에서 고유치 기반(Gauss-Newton-based, GNC) 자세 그래프 최적화를 수행하여 수렴성과 강건성을 확보한다.
• 실시간 모듈러 실행을 위해 ROS 2를 통합하고, 단절된 환경에서도 구현 가능한 애드혹 네트워킹을 지원한다.
• 희소화 및 최적화의 스레드 수준 병렬 처리를 구현하여 계산 지연을 감소시킨다.
• RGB-D와 라이다 데이터를 각각 오odomentry 및 장소 인식에 활용하여 정확한 상호 로봇 루프 클로징 탐지 기능을 실현한다.

실험 결과

연구 질문

• RQ1 대규모 다중 로봇 시스템에서 상호 로봇 루프 클로징 탐지가 어떻게 통신 효율적으로 구현될 수 있는가?
• RQ2 최소한의 데이터 교환으로 정확한 글로벌 매핑 정렬을 보장하는 탈중앙화된 최적화 전략은 무엇인가?
• RQ3 고유치 기반 예산 설정된 희소 루프 클로징 선택 방법이 수렴 속도 향상과 통신 부담 감소에 기여할 수 있는가?
• RQ4 실세계 제약 조건 하에서 GNC 기반 백엔드는 분산 대안 대비 정확도, 통신, 계산 측면에서 어떻게 비교되는가?
• RQ5 탈중앙화되고 희소한 C-SLAM 프레임워크는 실세계 자원 제약 환경에서 정확도와 확장성을 어느 정도 유지할 수 있는가?

주요 결과

• 스웜-SLAM은 테스트된 백엔드 방법들 중에서 가장 높은 정확도(ATE)를 기록하여, DGS+PCM 및 D-GNC를 모두 앞서며 글로벌 매핑 일관성에서 뛰어난 성능을 보였다.
• 실세계 실험에서 3대의 로봇이 475미터를 주행하는 동안 총 94.95 MB의 데이터만을 전송하여 낮은 통신 오버헤드를 입증했다.
• 희소화 시간은 자세 그래프 최적화 시간보다 낮았으며, 별도의 스레드를 사용함으로써 성능 병목 현상을 완화했다.
• 지속적인 연결성이나 중앙 기관 없이도 로봇 집단 간의 순차적 만남을 통해 단일 글로벌 기준 프레임으로 수렴하는 데 성공했다.
• 더 높은 계산 시간에도 불구하고, 특히 유사한 주차장 환경에서의 고 outlier 비율 상황에서 분산 대비 뛰어난 정확도와 강건성을 제공했다.
• 실세계 조건에서 측정 오차에 대한 내성 확보를 위해 3103개의 키프레임과 67개의 루프 클로징(10개는 최적화기에서 거부됨)을 성공적으로 처리했다.