ロボットマッピング

ロボットマッピングは、コンピュータビジョン[ 1 ]と地図作成に関連する分野です。自律型ロボットの目標は、地図（屋外用）またはフロアプラン（屋内用）を作成（または使用）し、その中で自身と充電基地またはビーコンの位置を特定することです。ロボットマッピングは、地図／プラン内で自身の位置を特定する能力、そして時には自律型ロボットによる地図やフロアプランの作成能力の研究と応用を扱う分野です。

進化の過程で形成された盲目的な行動は、一部の動物にとっては生存に十分なものかもしれない。例えば、一部の昆虫は環境を地図として解釈せず、トリガーとなる反応によってのみ生き延びる。もう少し精巧なナビゲーション戦略は、ロボットの能力を劇的に向上させる。認知地図は、計画能力と、現在の知覚、記憶された出来事、そして予想される結果の利用を可能にする。

手術

ロボットには、イディオセティック情報源とアロセティック情報源という2つの情報源があります。ロボットは移動中に、車輪の回転数を追跡するなどの推測航法を使用できます。これはイディオセティック情報源に相当し、ロボットの絶対位置を推定できますが、累積誤差が生じやすく、急速に増大する可能性があります。

ロボットのセンサー（カメラ、マイク、レーザー、ライダー、ソナーなど）は、アロセティックソースと呼ばれます。ここで問題となるのは「知覚エイリアシング」です。これは、2つの異なる場所が同一の場所として認識される可能性があることを意味します。例えば、建物内では、すべての廊下が同じように見えるため、視覚情報のみで場所を特定することはほぼ不可能です。[ 2 ]ロボットの周囲環境の3次元モデルは、距離画像センサー[ 3 ]または3Dスキャナー[ 4 ]を用いて生成できます。[ 5 ]

地図表現

マップの内部表現は「計量的」または「位相的」である。[ 6 ]

  • 人間にとって最も一般的なのはメートル法の枠組みであり、物体を配置する二次元空間を考慮します。物体は正確な座標で配置されます。この表現は非常に便利ですが、ノイズの影響を受けやすく、距離を正確に計算することが困難です。
  • 位相幾何学的枠組みは、場所とそれらの間の関係のみを考慮します。多くの場合、場所間の距離が保存されます。つまり、地図はグラフであり、ノードは場所に対応し、アークはパスに対応します。

多くの技術では、不確実性を処理するためにマップの確率的表現を使用します。

地図表現には、主に3つの方法があります。すなわち、自由空間地図、オブジェクト地図、そして合成地図です。これらはグリッドの概念を採用していますが、グリッドの解像度を変更できるため、精度が必要な場所ではより細かく、地図が均一な場所ではより粗くすることができます。

地図学習

地図学習は位置推定プロセスと切り離すことができず、位置推定の誤差が地図に反映されると問題が発生します。この問題は一般に、同時位置推定と地図作成（SLAM）と呼ばれます。

重要な追加問題は、ロボットが環境内の既に記憶されている場所にいるのか、それとも一度も訪れたことがない場所にいるのかを判断することです。この問題を解決する一つの方法は、電子ビーコン、近距離無線通信（NFC）、WiFi、 可視光通信（VLC）、Li-Fi、Bluetoothを利用することです。[ 7 ]

経路計画

経路計画は、ロボットがA地点からB地点まで移動することを可能にする重要な問題です。経路計画アルゴリズムは、計算量によって評価されます。リアルタイム動作計画の実現可能性は、地図（またはフロアプラン）の精度、ロボットの位置特定、そして障害物の数に依存します。位相幾何学的には、経路計画の問題は、グラフ内の2つのノード間の経路を見つける最短経路問題に関連しています。

ロボットナビゲーション

屋外ロボットは自動車のナビゲーションシステムと同様に GPS を使用できます。

屋内ロボット用の地図の代わりにフロアプランとビーコンを、位置特定用の無線ハードウェアと組み合わせた代替システムも使用できる。 [ 8 ]電気ビーコンは、安価なロボットナビゲーションシステムに役立つ。

参照

参考文献

  1. ^ Fernández-Madrigal, Juan-Antonio (2012年9月30日).移動ロボットのための同時自己位置推定と地図作成：導入と手法. IGI Global . ISBN 978-1-4666-2105-3。
  2. ^フィリアット、デイビッド、ジャン＝アルカディ・マイヤー。「移動ロボットにおける地図ベースのナビゲーション：I. 位置推定戦略のレビュー」認知システム研究4.4（2003）：243-282。
  3. ^ Jensen, Björn, et al.移動ロボットを用いたレーザー距離画像化：姿勢推定から3Dモデルへ. ETH-Zürich, 2005, 2005.
  4. ^ Surmann、Hartmut、Andreas Nüchter、Joachim Hertzberg。「 3Dレーザー距離計を搭載した自律移動ロボットによる屋内環境の3D探査とデジタル化」Robotics and Autonomous Systems 45.3-4 (2003): 181-198。
  5. ^マリク、アミール・サイード（2011年11月30日）。『深度マップと3Dイメージングのアプリケーション：アルゴリズムとテクノロジー』 IGI Global、ISBN 978-1-61350-327-0。
  6. ^スラン、セバスチャン. 「屋内移動ロボットナビゲーションのためのメトリックトポロジカルマップの学習」人工知能99.1（1998）：21-71。
  7. ^ 「スマートな屋内空間を創造するパートナー」IndoorAtlas。
  8. ^ 「屋内測位のための自律型パッシブRFID支援モバイルロボットシステム」（PDF）2015年10月19日閲覧。
「 https://en.wikipedia.org/w/index.php?title=Robotic_mapping&oldid=1325593299」から取得