リソース制約のある屋内ロボット向け、動的地図洗練と高さ認識エンコーディングを備えた軽量2.5D SLAM
Lightweight 2.5D SLAM with Dynamic Map Refinement and Height-Aware Encoding for Resource-Constrained Indoor Robots
本稿では、低コストで疎なセンサーを備えた屋内移動ロボットが直面する、限定的な垂直認識と最終マップにおける動的な残差アーティファクトの問題に対処するため、軽量な2.5D SLAMフレームワークを提案する。このシステムは、単線レーザー距離センサー(LDS)、ToFセンサー、車輪オドメトリ、IMUを統合し、2Dグリッドマップに離散化された垂直占有ビンを持つ2.5D表現を用いる。エラー状態カルマンフィルター(ESKF)ベースの状態推定、NDTレジストレーション、ポーズグラフ最適化により、ポーズ整合性の取れたグローバルマップを再構築する。さらに、オフライン動的洗練モジュールは、キーフレーム間の時間的ボクセルサポートを推定し、低サポート候補領域を抽出し、幾何学的クラスタリングと孤立点フィルタリングを適用して、安定構造を維持しながら一時的な残差アーティファクトを抑制する。24ビットRGB占有エンコーディングは、離散化された垂直占有状態をコンパクトな3チャンネル画像形式で保存するために提案される。このフレームワークは、疎なマルチセンサーマッピング、保守的なオフライン洗練、コンパクトな高さ認識マップエクスポートを低コストの屋内ロボットプラットフォームに組み合わせることで、システムレベルの展開価値を強調する。公開データセット、組み込みハードウェア、および自己収集した屋内シーケンスでの実験により、オドメトリ参照性能、リソース使用量、プラットフォーム固有の2.5Dマッピング、動的洗練、高さ認識エンコーディングが評価された。
本論文は低コスト屋内ロボット向けに、疎なセンサー構成でも高精度なマッピングを実現する軽量2.5D SLAMフレームワークを提案している。2Dグリッドマップに垂直占有情報を付加し、動的残差アーティファクトを除去するオフライン洗練モジュールにより、従来は高価な3D LiDARや深度カメラが必要だった環境認識を低コストで代替できる点が注目に値する。ToFセンサーや単線LDSといった安価な部品で実用的なマッピング品質を達成したことは、サービスロボットや掃除ロボットなどの量産コスト削減に直結する。ただし、現時点では学術研究の段階であり、実製品への搭載や企業による商用化発表には至っていない。今後の展開として、この技術を自社ロボットに採用する動きが出てくるかどうかが投資判断のポイントになる。