[论文解读] A review on cloud robotics based frameworks to solve simultaneous localization and mapping (slam) problem

Rajesh Doriya, Paresh Sao+3 more|arXiv (Cornell University)|Jan 29, 2017

Robotics and Automated Systems参考文献 3被引用 5

一句话总结

本文综述了云机器人框架——特别是DAvinCi、Rapyuta和C2TAM——这些框架旨在将计算密集型的SLAM（同步定位与制图）任务卸载到云端，使机器人能够更高效地在未知环境中构建地图并实现自身定位。通过利用基于云的处理能力和动态资源分配，这些框架减轻了机器人本体的计算负载，提升了机器人导航中的可扩展性和实时性能。

ABSTRACT

Cloud Robotics is one of the emerging area of robotics. It has created a lot of attention due to its direct practical implications on Robotics. In Cloud Robotics, the concept of cloud computing is used to offload computational extensive jobs of the robots to the cloud. Apart from this, additional functionalities can also be offered on run to the robots on demand. Simultaneous Localization and Mapping (SLAM) is one of the computational intensive algorithm in robotics used by robots for navigation and map building in an unknown environment. Several Cloud based frameworks are proposed specifically to address the problem of SLAM, DAvinCi, Rapyuta and C2TAM are some of those framework. In this paper, we presented a detailed review of all these framework implementation for SLAM problem.

研究动机与目标

• 分析云机器人在应对实时机器人应用中SLAM计算需求方面的角色。
• 评估专为SLAM设计的现有基于云的框架，重点关注其架构、可扩展性和性能表现。
• 识别在SLAM中采用云卸载的优势与局限，特别是关于延迟、数据隐私和系统可靠性方面的问题。
• 对DAvinCi、Rapyuta和C2TAM作为SLAM代表性云机器人框架，提供比较性概述。
• 通过指出现有框架中的研究空白，并提出改进云机器人在SLAM中集成的方向，为未来研究提供指导。

提出的方法

• 对三种主要云机器人框架——DAvinCi、Rapyuta和C2TAM——进行系统性综述，每种框架均专为支持分布式机器人系统中的SLAM而设计。
• 分析各框架基于云的架构，包括数据卸载机制、通信协议和资源管理策略。
• 研究云基础设施如何实现SLAM处理的计算资源动态分配，从而减轻机器人本体的负载。
• 评估各框架对实时SLAM的支持，包括定位精度、制图保真度和容错能力。
• 基于部署模式、与机器人操作系统集成情况，以及对多机器人SLAM的支持程度，对各框架进行比较。
• 识别云机器人SLAM系统中的关键设计原则，如服务抽象、基于API的访问以及安全的数据传输。

实验结果

研究问题

• RQ1 DAvinCi、Rapyuta和C2TAM等云机器人框架如何实现将SLAM计算从机器人高效卸载到云端？
• RQ2 所综述的基于云的SLAM框架之间在架构上存在哪些差异，其设计权衡是什么？
• RQ3 这些框架如何在依赖远程云处理的前提下，维持实时性能和定位精度？
• RQ4 在多机器人和动态环境中，基于云的SLAM框架具备怎样的可扩展性和可靠性特征？
• RQ5 在将云机器人与SLAM集成方面仍存在哪些挑战，特别是关于延迟、带宽和数据隐私方面？

主要发现

• 云机器人框架通过将SLAM处理卸载到远程云服务器，显著减轻了单个机器人的计算负担。
• DAvinCi通过面向服务的架构、动态负载均衡和容错能力，实现了实时SLAM。
• Rapyuta通过允许多个分布式机器人共享存储在云端的地图和定位数据，支持多机器人SLAM。
• C2TAM提供了一个可扩展的分布式框架，支持并发SLAM操作，并实现云节点间高效的数据同步。
• 所有框架均提升了系统的可扩展性，降低了对机器人本体硬件配置的要求，使低成本机器人平台得以部署。
• 尽管具有诸多优势，这些框架在动态环境中仍面临网络延迟、带宽限制以及安全数据传输方面的挑战。