高度な 3D LiDAR 位置特定によりロボットの位置精度が向上

ミゲル・エルナンデス・デ・エルチェ大学、スペイン

これは、UMH で開発されたシステムを使用してロボットが周囲を「見る」方法です。 3D LiDAR 点群表現により、グローバルおよびローカルの構造特徴を抽出して、ロボットの姿勢、つまり空間内の正確な位置と方向を推定できます。 (画像:ミゲル・エルナンデス・デ・エルチェ大学)

移動ロボットが自律的に移動するには、継続的に位置を推定する必要があります。ただし、衛星ベースのナビゲーション システムは常に信頼できるわけではありません。建物の近くでは信号が劣化したり、屋内では信号が利用できなくなったりすることがあります。安全かつ効率的に動作するには、ロボットは搭載センサーと堅牢な位置特定アルゴリズムを使用して周囲の状況を解釈する必要があります。

スペインのミゲル・エルナンデス大学エルチェ大学 (UMH) の研究者は、変化する大規模な環境におけるロボットの位置決めを大幅に改善する階層的位置特定システムを開発しました。この方法は、モバイル ロボット工学における最も困難な問題の 1 つである、いわゆる「誘拐されたロボット」問題に対処します。この問題では、ロボットは移動、電源オフ、または移動後に初期姿勢の知識を失います。

この研究はInternational Journal of Intelligent Systems に掲載されました。 では、大規模環境での長期ナビゲーション向けに設計された粗いから細かい 3D LiDAR ローカリゼーション フレームワークである MCL-DLF (モンテカルロ ローカライゼーション – ディープ ローカル フィーチャー) を導入します。このシステムは、UMH エルチェ キャンパスで、屋内と屋外の両方のシナリオを含むさまざまな環境条件下で数か月にわたって検証されています。

提案されたアプローチは、不慣れな環境や変化する環境において人間がどのように自分自身の方向を定めるかを模倣します。まず、ロボットは大まかな位置特定ステップを実行し、建物や植生などの 3D LiDAR 点群から抽出されたグローバル構造特徴に基づいておおよその領域を特定します。

この領域が絞り込まれると、システムは詳細な位置特定を実行し、詳細な局所特徴を分析してロボットの正確な位置と方向を推定します。

「これは、人々が最初に大まかなエリアを認識し、次にその正確な位置を特定するために小さな特徴的な詳細に依存するのと似ています」と、この研究の筆頭著者である UMH 研究者のミリアム・マキシモ氏は説明します。この作品は、UMH のエルチェ工学研究所 (I3E) の研究者でもあるモニカ バレスタとデビッド バリエンテによって監督されました。視覚的に類似した環境における曖昧さを回避するために、この方法には、3D 点群から識別可能な局所特徴を自動的に抽出する深層学習技術が統合されています。

ロボットは、事前定義されたルールに依存するのではなく、どの環境特性が位置特定に最も有益かを学習します。これらの学習された特徴は、確率的モンテカルロ位置推定と組み合わされ、複数の姿勢仮説を維持し、新しいセンサー データが受信されると更新されます。

長期的なロボットナビゲーションにおける大きな課題は、環境の変動です。屋外スペースは、季節の変化、植生の成長、照明の違いなどにより時間の経過とともに変化し、外観が大きく変わる可能性があります。

研究者らは、MCL-DLF は、特定の軌道において同等または優れた方向推定値を維持しながら、従来のアプローチよりも高い位置精度を達成すると報告しています。重要なのは、このシステムは時間の経過に伴う変動が小さく、季節変化や構造変化に対する堅牢性が確認されていることです。

信頼性の高いローカリゼーションは、サービス ロボティクス、物流自動化、インフラ検査、環境モニタリング、自動運転車にとっての基礎です。これらすべての領域において、安全な操作は、現実世界の動的条件における安定した正確な位置推定に依存します。

完全な自律ナビゲーションは依然としてロボット工学における中心的な課題ですが、この取り組みにより、ロボットは外部測位インフラストラクチャなしで大規模で変化する環境で確実に動作することに近づきます。

詳細については、Angeles Gallar (この電子メール アドレスはスパムボットから保護されています) までお問い合わせください。表示するには JavaScript を有効にする必要があります。 +34 965-222-569。