[论文解读] Present and Future of SLAM in Extreme Underground Environments

Kamak Ebadi, Lukas Bernreiter+29 more|arXiv (Cornell University)|Aug 2, 2022

Robotics and Sensor-Based Localization被引用 38

一句话总结

本论文综述地下 SLAM 的最新进展，分析六支 SubT 挑战队伍，并讨论在 GPS-denied 的地下环境中，以 LIDAR 为中心的多机器人 SLAM 的开放问题与未来方向。

ABSTRACT

This paper reports on the state of the art in underground SLAM by discussing different SLAM strategies and results across six teams that participated in the three-year-long SubT competition. In particular, the paper has four main goals. First, we review the algorithms, architectures, and systems adopted by the teams; particular emphasis is put on lidar-centric SLAM solutions (the go-to approach for virtually all teams in the competition), heterogeneous multi-robot operation (including both aerial and ground robots), and real-world underground operation (from the presence of obscurants to the need to handle tight computational constraints). We do not shy away from discussing the dirty details behind the different SubT SLAM systems, which are often omitted from technical papers. Second, we discuss the maturity of the field by highlighting what is possible with the current SLAM systems and what we believe is within reach with some good systems engineering. Third, we outline what we believe are fundamental open problems, that are likely to require further research to break through. Finally, we provide a list of open-source SLAM implementations and datasets that have been produced during the SubT challenge and related efforts, and constitute a useful resource for researchers and practitioners.

研究动机与目标

• 综述地下 SLAM 的最新进展与实践。
• 分析 SubT 团队的单机器人与多机器人 SLAM 架构，重点关注以 LIDAR 为中心的方法。
• 讨论地下 SLAM 的成熟度、可行的进展，以及根本性尚待解决的问题。
• 提供来自 SubT 工作的开源 SLAM 实现和数据集，作为研究人员的资源。

提出的方法

• 综述地下 SLAM 的文献以及 SubT 挑战结果。
• 描述并比较六支 SubT 队伍的 SLAM 架构。
• 突出设计选择、传感器模态和系统工程方面。
• 总结 SubT 及相关工作中产生的开源实现和数据集。

实验结果

研究问题

• RQ1 SubT 队伍在地下勘探中使用了哪些 SLAM 架构和策略？
• RQ2 以 LIDAR 为中心的 SLAM 与多机器人协作在极端地下环境中的表现如何？
• RQ3 地下 SLAM 主要挑战和需要进一步研究的未解问题有哪些？
• RQ4 SubT 努力中有哪些可用于基准测试的开源资源（实现与数据集）？

主要发现

• 以 LIDAR 为中心的 SLAM 方法在各队的 SubT 系统中占主导。
• 多机器人 SLAM 架构包括集中式、分布式与去中心化范式，共享地图与回环检测。
• 真实世界的地下作业受遮蔽物、照明有限以及计算约束等因素影响，需要鲁棒、模块化的融合。
• 开放挑战包括传感器冗余、参数调优、退化几何中的回环闭环可靠性，以及鲁棒的多机器人数据交换。
• 若干队伍提供开源的 SLAM 实现和数据集，以支持基准评估和研究。
• 本文强调实践中的“肮脏细节”，往往在论文中被省略，提供对系统工程权衡的坦诚见解。