快速强大的生物启发式示教和重复导航

机器人导航是一项艰巨的任务。幸运的是，我们可以依靠生物系统，例如蚂蚁，它们可以在有限的视觉和计算能力下导航。最近的一项研究提出了用于重复路线跟踪的示教和重复导航系统。它基于车轮里程计，视觉提供周期性的校正信号。该技术可以应用于小型低成本机器人，该机器人通常具有车轮里程传感器和单眼相机，但没有立体视觉或LiDAR传感器。视觉校正率可以相应地更改为可用的计算资源。

该方法已在一天中的不同时间和不同天气条件下的室内和室外试验中得到验证。它可用于新的机器人系统，且调整最少。该方法对里程表错误具有鲁棒性，并且可以处理低分辨率图像。

完全自主的移动机器人具有众多潜在应用，但是如何确保强大的导航性能仍然是一个开放的研究问题。对于许多任务，例如重复的基础设施检查，项目交付或库存运输，路线重复功能而不是完整的导航堆栈就足够了，并具有潜在的实际优势。先前的教学和重复研究通常通过使用复杂的，通常昂贵的传感器在困难的条件下实现了高性能，并且经常具有很高的计算要求。诸如小型动物和昆虫(如看见蚂蚁的昆虫)之类的生物系统提供了一种概念证明，即可以通过极其有限的视觉系统和计算能力来实现强大而通用的导航。在这项工作中，我们为示教和重复导航创建了一种新颖的异步公式，该公式充分利用了里程表信息，并与一个比通常所需的计算量更轻的可视化处理驱动的校正信号配对。该校正信号也与机器人的电机控制解耦，从而可以通过可用的计算能力调节其速率。我们在两个不同的机器人平台上进行了广泛的实验，从而评估了这种方法，这些实验平台是结果性机器人Miro和Clearpath Jackal机器人，在各种挑战性的室内和室外环境中进行了总计6000多米的导航试验。与最新技术相比，我们的方法更加健壮，所需的计算量也大大减少。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！