Loading article…
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（屋外使用）またはフロアプラン（屋内使用）を作成（または使用）し、その中で自分自身とその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/プラン内で自分自身の位置を特定し、場合によっては自律型ロボットによって地図またはフロアプランを作成する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、一部の動物の生存には十分である可能性があります。たとえば、一部の昆虫は環境を地図として解釈せず、トリガーされた反応によってのみ生き残ります。もう少し精巧なナビゲーション戦略により、ロボットの能力が劇的に向上します。認知マップにより、計画能力と、現在の認識、記憶されたイベント、および予想される結果の使用が可能になります。
手術
ロボットには、イディオセティックソースとアロセティックソースという 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ソースに対応し、ロボットの絶対位置を提供できますが、累積誤差の影響を受けやすく、急速に大きくなる可能性があります。
代替ソースは、カメラ、マイク、レーザー、ライダー、ソナーなどのロボットのセンサーに対応します。[要出典]ここでの問題は「知覚エイリアシング」です。これは、2つの異なる場所が同じものとして認識される可能性があることを意味します。たとえば、建物内では、すべての廊下が同じように見える可能性があるため、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スキャナーを使用して生成できます。[4] [5]
地図表現
マップの内部表現は「メトリック」または「トポロジカル」である可能性がある: [6]
- メトリック フレームワークは人間にとって最も一般的なもので、オブジェクトを配置する 2 次元空間を考慮します。オブジェクト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。
- 位相的なフレームワークでは、場所とそれらの間の関係のみが考慮されます。多くの場合、場所間の距離が格納されます。マップはグラフであり、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。
マップ表現には、フリー スペース マップ、オブジェクト マップ、複合マップという 3 つの主な方法があります。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解像度を細かくし、マップが均一な場所では解像度を粗くすることができます。
地図学習
マップ学習は位置推定プロセスから切り離すことはできず、位置推定のエラーがマップに組み込まれると問題が発生します。この問題は一般に、同時位置推定とマッピング(SLAM) と呼ばれます。
重要な追加問題は、ロボットがすでに記憶されている環境の一部にいるのか、それとも一度も訪れたことがないのかを判断することです。この問題を解決する1つの方法は、電気ビーコン、近距離無線通信（NFC）、WiFi、 可視光通信（VLC）、Li-Fi、Bluetoothを使用することです。[7]
経路計画
経路計画は、ロボットが A 地点から B 地点まで移動できるようにするため、重要な問題です。経路計画アルゴリズムは、計算の複雑さによって評価されます。リアルタイムの動作計画の実現可能性は、マップ (またはフロアプラン) の精度、ロボットの位置、および障害物の数に依存します。位相的には、経路計画の問題は、グラフ内の 2 つのノード間のルート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を使用することもできます。 [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ちます。
参照
- 自動車ナビゲーションシステム
- 家庭用ロボット
- AVM ナビゲーター
- 推測航法
- 電気ビーコン
- GPS
- 高齢者や障害者のためのホームオートメーション
- モノのインターネット(IoT)
- 屋内測位システム
- 地図データベース管理
- 迷路シミュレーター
- 移動ロボット
- ネイトロボティクス
- パトロールボット
- リアルタイム位置特定システム（RTLS）。
- ロボットスイート
- 占有グリッド
- 同時位置推定とマッピング(SLAM)
- マルチ自律地上ロボット国際チャレンジ：複数の車両が協力して大規模で動的な都市環境をマッピングする必要があるチャレンジ
- 道案内
- Wi-Fi 測位システム(WPS)
参考文献
- ^ Fernández-Madrigal, Juan-Antonio (2012 年 9 月 30 日)。移動ロボットの同時位置推定とマッピング: 導入と方法: 導入と方法。IGI Global。ISBN 978-1-4666-2105-3。
- ^ Filliat、David、Jean-Arcady Meyer。「移動ロボットの地図ベースのナビゲーション:: I. 位置特定戦略のレビュー」認知システム研究 4.4 (2003): 243-282。
- ^ Jensen, Björn, et al. 移動ロボットを使用したレーザー距離画像化: 姿勢推定から 3D モデルまで。ETH-Zürich、2005、2005 年。
- ^ Surmann、Hartmut、Andreas Nüchter、Joachim Hertzberg。「屋内環境の 3D 探索とデジタル化のための 3D レーザー距離計を備えた自律移動ロボット」Robotics and Autonomous Systems 45.3-4 (2003): 181-198。
- ^ Malik, Aamir Saeed (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: アルゴリズムとテクノロジー。IGI Global。ISBN 978-1-61350-327-0。
- ^ Thrun, Sebastian . 「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。
- ^ 「スマートな屋内空間を創造するパートナー」。IndoorAtlas。
- ^ 「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。