Machine Learning for Multi-Robot Semantic Simultaneous Localization and Mapping
Benjamin Ramtoula · PolyPublie (École Polytechnique de Montréal) · 2020
lieux en fonction de leur constellation avec peu de d'échanges de données.Ces derniers sont utilisés dans un mécanisme de reconnaissance de lieu décentralisé qui s'adapte efficacement à une taille d'équipe grandissante.La méthode proposée rivalise avec l'état de l'art en termes de performances et d'échanges de données, tout en étant plus transparente et interprétable.La deuxième contribution présentée dans ce mémoire est une méthode d'estimation de position et d'orientation relative basée sur des images qui peut être appliquée à de nombreux objets, y compris des robots pour la détection directe de fermetures de boucles inter-robots.La solution est composée d'un "front-end" reposant sur l'apprentissage profond pour détecter et suivre l'entité dont la position et orientation doivent être estimées, et d'un "back-end" classique de filtrage pour obtenir les estimations finales.Cette approche est testée à bord d'un drone estimant la position et l'orientation relative d'un autre drone, et surpasse l'état de l'art en termes de performances et de vitesse.Les deux solutions présentées sont complémentaires, et facilement adaptables à de nouveaux scénarios de déploiements de robots.vi