自主性技術摘要 (Autonomy Technical Summary)
主旨
關於圖導航About GraphNav
Spot 具有映射、定位和自主遍歷(autonomous traverse )系統,統稱為 GraphNav。如今,波士頓動力公司的客戶在建築、石油和天然氣以及公用事業行業使用此功能進行數據收集和控制監控應用程序。
GraphNav 由一個在機器人上運行的服務和一個開發人員用來練習 GraphNav 功能的 API 組成。機器人操作員可以在機器人隨附的平板電腦應用程序中使用稱為 Autowalk 的功能,該功能建立在 GraphNav 和任務服務的基礎上,可以快速記錄和重放環境的遍歷,同時執行有用的操作。
關鍵概念Key concepts
對於 Spot,世界被表示為路徑點雲(waypoints) 和邊的局部持續圖。
路徑點雲(waypoints)
路徑點雲(waypoints)表示機器人可以導航到的世界上的地方。每個路徑點雲(waypoints) 都有與其位置相關的特徵數據快照。該數據允許機器人在從一個路徑點雲(waypoints) 移動到另一個路徑點雲(waypoints) 時跟踪其位置。
該特徵數據是由機器人的板載傳感器構建的。沒有太多視覺紋理的大部分空白區域可能無法為機器人提供良好的特徵來跟踪其位置。路徑點雲(waypoints) 的特徵快照還包括檢測到的基準點,這些基準點可以附加在環境中,以幫助機器人通過不包含許多傳感器特徵的困難區域。
安裝的 LIDAR 傳感器可以增強機載傳感器。LIDAR 傳感器為每個路徑點雲(waypoints)提供更多信息,並允許機器人在更廣泛的環境中成功跟踪其位置。
邊緣Edges
地圖中的邊緣表示機器人如何在路點之間移動。它們包含連接的路徑點雲(waypoints)的相對位姿以及描述機器人應該如何沿著該邊緣移動的任何所需參數。例如,穿過樓梯的邊在其參數中編碼有關樓梯的信息。
圖邊以局部持續的方式創建。但是,地圖整體上沒有“全局幀框 global frame”。如果從一個路徑點雲(waypoints)到另一個路徑點雲(waypoints)通過圖有多條路徑,那麼沿不同路徑累積變換可能會導致兩個航路點之間產生不同的結果變換。
映射環境Mapping the environment
初始化和本地化Initialization and localization
丟失事件很大程度上取決於機器人運行的環境。當場景的特徵很少或變化很大時,定位過程會產生不確定性的結果。操作員可以通過使用新數據記錄新路徑點雲(waypoints)並刪除舊路徑點雲(waypoints)來更新地圖。
使用本地化數據的注意事項Notes on Using Localization Data
機器人的定位估計會根據最新的可用數據定期更新。計算該估計以產生最佳可用位置估計,而不嘗試實現平滑的位置或速度估計。如果您的應用程序需要平滑的位置估計或速度,最好的來源是機器人狀態服務,並依賴於 “里程計幀odom frame” 中身體位置和速度的估計。
參考資料
- AUTONOMY TECHNICAL SUMMARY
- corridor : 走廊
- isometric : 等距
留言
張貼留言
Aron阿龍,謝謝您的留言互動!