天富平台公司 - 天富平台APP下载|天富平台代理【官网登录】

【天富平台最大总代】多个机器人之间通过视觉看到的地点,进行知识的合并给出路径

如果机器人能够将其他机器人的基于外观的地方知识与自己的知识合并,那么即使他们以前没有去过这些地方,他们也可以与这些地方联系起来。研究者使用具有兼容视觉传感能力的机器人,并且每个机器人都有自己的长期地点记忆,对这个问题进行了研究。在这里,每个地方指的是一个由表象集合定义的空间区域,在地方记忆中,知识是以树状层次结构组织的。在所提出的合并方法中,层次组织起着关键作用–因为它对应于外观空间中的超球体的嵌套序列。合并的过程中,考虑了各个嵌套超球的重叠程度–从最大的覆盖超球开始。因此,与相关工作不同的是,知识的合并是以尽可能大的块状进行的,而层次结构也相应地得到了保留。因此,随着要合并的知识范围的增加,合并的规模会更好。这一点在一组大量的多机器人实验中得到了证明,在这些实验中,机器人共享他们的知识,然后在访问这些地方时使用他们合并的知识。该工作以“Merging of appearance-based place knowledge among multiple robots”为题发布在《Autonomous Robots》杂志上。

《【天富平台最大总代】多个机器人之间通过视觉看到的地点,进行知识的合并给出路径》

实验背景与过程

许多机器人任务,如探索、救援和监测,将受益于几个机器人的合作,分享他们的地方知识。目标是让每个机器人通过融合其他机器人的知识来扩展自己的位置知识。因此,它的空间知识可以变得更全面,机器人可以联系到一些地方,即使它以前并没有真正访问过它们。然而,如何管理所收集的视觉场所知识一直是一个重大的挑战。这方面的相关工作主要是通过找到匹配的节点对来合并这两个映射(两个不同的机器人),其中每个节点对来自特定位置的外观进行编码。但是,随着节点数量的增加,可伸缩性和可靠性都会出现问题。此外,由于这类地图可能变得过大,由此产生的空间知识在今后的重新访问中更难以利用。

该工作提出了一种只考虑场所知识融合的新方法。假设每个机器人都具有兼容的视觉感知,并在其长期的位置记忆中保留其基于外观的位置知识。这是一种记忆,在这种记忆中,每个地方都是指由一组表象所定义的空间区域,而所有学习场所的知识都是以树的层次结构来组织的。

在所提出的方法中,基于长期位置记忆的位置知识被合并.任何两个机器人都可以通信,接收他人的长期位置记忆,然后将接收到的知识合并到各自的位置记忆中,如图所示。每个机器人将其他机器人的长期位置记忆与自己的记忆融合在一起。

《【天富平台最大总代】多个机器人之间通过视觉看到的地点,进行知识的合并给出路径》

假设每个机器人在其长期的位置记忆中保留其基于外观的位置知识。它的两个特征是基于外观的地方知识的融合所不可或缺的。因此,长期的视觉位置记忆可以被看作是对地图记忆(通常称为度量或拓扑映射)的补充,它编码了不同地方之间的空间关系。

第一个特征与一个地方的含义有关。在这个记忆里,每一个地方(P)指特定的区域或区域。因此,它不同于大多数认为每个地方都是特定地点的相关工作。它是由多个基点的外观集合来定义的。描述符可以基于合适的表示方案。唯一的限制是相似的表象产生相似的描述符。第二个特点是知识是如何组织的。虽然这两种模型只使用外观数据,因此似乎是相关的,但事实上它们的性质是完全不同的,如表中所总结的那样。

在位置内存中,由于层次组织是在外观空间中定义的,它使机器人能够高效地检索和存储其位置知识。因此,位置内存可以启用语义关联–在基于地图的方法中并非如此。通过位置联想或识别,机器人粗略地决定了自己的行踪。相反,在基于地图的方法中,目标是精确定位的循环闭包.这样的推理是可能的,即使机器人没有任何度量信息或空间关系的知识-就像它开始执行任务、不可靠的测向或被绑架时的情况一样。

《【天富平台最大总代】多个机器人之间通过视觉看到的地点,进行知识的合并给出路径》

图为机器人的位置记忆m和n分别

研究者使用了一个由三个机器人组成的团队进行了广泛的实验–分别被称为JX,Jy和JZ。在实验开始时,每个机器人都有各自的长期位置记忆.这些机器人从直接的体验中学习了一些地方,要么使用在校园中以远程操作方式导航时收集到的图像,要么从冷数据集中学习。

为了便于可视化,每个机器人学习的地方都被识别为JX:i、JX:k和JZ:l哪里i, k, l是他们的指数。研究者考虑合并不同地点知识重叠情况的结果,用合并后的地点记忆评价识别性能,并与直接从经验中学习的地方进行比较研究。如图所示,机器人JX根据3200个基点沿175米路径收集的数据,知道13个地点。注意,由于它返回到旅游结束时开始的地方,最后检测到的地方被确认为第五位,这是正确的。

《【天富平台最大总代】多个机器人之间通过视觉看到的地点,进行知识的合并给出路径》

科学家在最小的冰块中发现新结构!

电子激光,红外光谱【天富代理网址】【天富娱乐的股东是谁?】

接下来,研究者考虑的是,当学习的地方是重叠的,但其中一个机器人覆盖更大的领域。再一次,第一个机器人JX具有相同的位置知识,基于3200个地点沿着175米路径的外观,从前面的案例中得到了13个位置。

研究者还考虑了当机器人访问部分重叠的地方时的情况。这个实验是由三个机器人组成的团队–JX,Jy和JZ–在户外环境下进行的。如图所示,机器人从校园的不同部分开始,在各自的游览结束后汇合到最终目的地。

《【天富平台最大总代】多个机器人之间通过视觉看到的地点,进行知识的合并给出路径》

图为合并拓扑映射

研究者还测试了合并知识的使用。这些实验旨在评估机器人如何利用彼此的经验来识别这些地方,因为这是机器人第一次真正访问它们。如图所示,每个机器人都要遵循两条不同的路径。

《【天富平台最大总代】多个机器人之间通过视觉看到的地点,进行知识的合并给出路径》

图为在两个月后通过合并位置记忆而学习的地方导航

第一条蓝色的路径大约是100米,经过了机器人JX在前一次访问中学到的两个地方。机器人Jy和JZ通过知识共享学习了这些地方。由于与每个地方有关的场景主要由建筑物组成,所以外观不受季节变化的影响。第二条红色的小径经过7个地方(包括停车场、花园和一条混凝土小径),这些地方都是由机器人JZ学习的。机器人JX和Jy通过知识融合学习了这些地方。观察到,与第一条路径相比,这条路径具有相当大的挑战性,因为花园面积的外观出现了显著的季节性变化。机器人jz具有最高的识别性能和合并的位置内存。最后,对融合获得的知识与直接学习的知识的识别性能进行了比较。

综上所述,评价结果表明,基于外观的知识融合是一种有效的组合多机器人数据的方法。每个机器人都保持着自己的知识层次结构,在未来的发展中可以进一步利用这一知识层次来发现树枝的语义。研究者还观察到合并顺序对当前和未来合并的合并树结构和位置识别性能都有很大影响。由于外观数据的紧凑性和研究者的非几何方法,使得该系统不仅适用于小规模的室内环境,也适用于大尺度的室外环境,具有很大的灵活性。考虑到不使用度量信息,合并存储器的识别性能相当好。合并后的位置存储器还能有效地合并拓扑映射

实验结论

该工作提出了一种基于外观的场所知识融合的新方法.假设机器人具有兼容的视觉感知,并将它们的知识保留在各自的长期位置记忆中。在每个地方存储器中,各自的知识被组织成树层次结构,终端节点对应于不同的位置,每个地方由一组外观定义。合并基于这样的观察,即树层次结构对应于外观空间中的超球嵌套序列。首先考虑各自嵌套超球的重叠程度–从最大覆盖球开始。因此,与目前的相关工作不同的是,随着知识被合并到尽可能大的块中,合并过程随着要合并的知识的范围的增加而扩展得更好。因此,这种方法可以用于大规模和长期的操作.此外,还尽可能地保留了层次结构。由此产生的合并位置存储器是紧凑的,从某种意义上说,它们代表来自数千个位置的数据,而空间数量较少。有趣的是,研究者观察到,融合其他机器人的知识可以使学习效率更高,学习时间更短。这是因为其他机器人的知识是作为一个整体或在很大程度上被处理的。同时,基于合并学习知识的关联性能使机器人相对于只使用自己收集到的知识相对较少损失。

对于今后的工作,研究者计划从三个方面进行研究。第一个问题涉及如何改进内存关联,以尽量减少丢失的合并和错误合并的位置–因为这将提高合并知识的可靠性。第二个方面是将合并的拓扑图用于导航和多机器人任务。最后,由于合并后的位置记忆因合并顺序的不同而不同,研究者计划将合并的最佳顺序进行组合探索。

参考文献:Hakan Karaoğuz & H. Işil Bozma Merging of appearance-based place knowledge among multiple robot Autonomous Robots volume 44, pages1009–1027(2020)

【天富平台代理注册】【天富平台怎么代理】

具有多识别空间能力的机器人标定的观测性指标优化

机器人,

点赞