在机器人映射和导航中,同时定位和映射 是构建或更新未知环境地图,同时地图中跟踪机器人在其内的位置。SLAM算法是针对有限可用资源量身定做的,因此不是最优解,而是在于操作合规性。 自行驾驶汽车,无人机,自主水下机器人,行星探测器,新兴家用机器人乃至人体内都采用了SLAM的方法。
来源:Wikipedia https://en.wikipedia.org/wiki/Simultaneous_localization_and_mapping
示例:
通过一系列动作控制u_1,u_2,... ,u_t, 机器人从姿势s_1移动到s_t。 当它移动,它观察附近的地标。 在时间t = 1时,观察两个地标{θ_1,θ_2}中的地标θ_1。(带噪声的)测量被表示为z_1(范围和方位)。 在时间t = 2,观察另一个地标θ_2,在时刻t = 3再次观测θ_1,以此类推。 SLAM问题涉及从控制u和测量z估计地标的位置和机器人的路径。 灰色阴影表示条件独立(conditional independence relation)关系。
图片来源:Montemerlo, M., Thrun, S., Koller, D., & Wegbreit, B. (2002, July). FastSLAM: A factored solution to the simultaneous localization and mapping problem. In Aaai/iaai (pp. 593-598).
发展历史
在SLAM的开创性工作是R.C. Smith和P. Cheeseman在1986年关于空间不确定性的表示和估计的研究。20世纪90年代早期,Hugh F. Durrant-Whyte研究小组进行了这一领域的其他开创性工作。 表明SLAM的解决方案存在于无限的数据极限内。 这一发现促使人们寻找计算上易于处理的算法并近似解决方案。
由Sebastian Thrun领导的自驾STANLEY和JUNIOR赛车赢得了2005年的第二届DARPA无人车挑战赛,并在2000年代的DARPA城市挑战赛中获得第二名,其中一个重要部分是SLAM系统,将先进的SLAM方案引入世界范围内。 Neato XV11等消费类机器人吸尘器现在是其中一个已经拥有大规模市场应用的SLAM产品。 使用了SLAM的来自Google和其他公司的自动驾驶汽车已经获得了在美国一些州的公共道路上驾驶的许可证。
主要事件
年份 | 事件 | 相关论文 |
1986 | Smith提出对空间不确定性的研究课题,作为SLAM的理论基础 | Smith, R. C., & Cheeseman, P. (1986). On the representation and estimation of spatial uncertainty. The international journal of Robotics Research, 5(4), 56-68. |
2002 | Thrun研究组发布FastSLAM,作为应用比较广泛的基于扩展性卡尔曼滤波的SLAM方法 | Montemerlo, M., Thrun, S., Koller, D., & Wegbreit, B. (2002, July). FastSLAM: A factored solution to the simultaneous localization and mapping problem. In Aaai/iaai (pp. 593-598). |
2004 | Milford发布基于脑科学的SLAM算法RatSLAM | Milford, M. J., Wyeth, G. F., & Prasser, D. (2004, April). RatSLAM: a hippocampal model for simultaneous localization and mapping. In Robotics and Automation, 2004. Proceedings. ICRA'04. 2004 IEEE International Conference on (Vol. 1, pp. 403-408). IEEE. |
2004 | DARPA "grand challenge"开始 | |
2015 | 特斯拉发布Model S。帶有各种传感器,可以逐步实现自动巡航(Autopilot) |
发展分析
瓶颈
数学上的瓶颈已经解除
未来发展方向
消费级的SLAM的实际问题:复杂动态的道路路面或者室内环境, 低功耗SLAM计算等;
其他和SLAM相关但不直接属于SLAM的问题:Loop closure, 地图表示等
Contributor: Joni Zhong