分布式集群机器人实时语义制图

SLAM (Simultaneous localization and mapping) is a core issue of mobile robots. Semantic mapping, which is a hot and difficult research problem, acts as the premise and foundation of an autonomous robot. Swarm robots have better robustness, fault-tolerance and reconstruction, while improving the efficient and speed of mapping. This makes swarm robots an international frontier research topic. This project will propose a set of light-weight and distributed semantic mapping framework/methods for swarm robots based on CNN, combining with the adaptive consensus proposed by the applicant. The main research topics include: modeling of distributed swarm robots, light-weight CNN, improved SLAM reconstruction, incremental sematic labeling, distributed CNN learning and map fusion. The key scientific problems include realization of light-weight CNN with low storage and computational burden, distributed CNN learning with low communication cost, and distributed semantic mapping fusion. The purpose is to propose a set of self-contained distributed semantic mapping framework and methods, which is real-time, scalable, with low transmission-rate robust. Meanwhile a prototype will be designed to lay the foundation of an engineering and practical swarm robot semantic mapping system.

同时定位与制图（SLAM）是移动机器人领域的核心问题，而语义制图是自主移动机器人的前提和基础，也是国内外研究的热点和难点问题之一。集群机器人系统具有更好的鲁棒性、容错性和可重构性，可以有效提升制图的速度和精度，因而成为国际前沿研究课题。本项目拟在卷积神经网络（CNN）的基础上，结合申请者提出的自适应一致性（consensus）策略，提出一套面向集群机器人的轻量级、分布式语义制图框架与方法。主要研究内容包括分布式集群机器人建模、轻量级CNN处理、改进SLAM重构、增量语义标记以及分布式CNN学习与地图融合等问题。其宗旨是通过存储量与计算代价较低的轻量级CNN实现、低通信成本的分布式CNN学习以及分布式语义地图融合等关键科学问题的研究，提出一整套完全分布式的语义制图框架与方法，使其具有实时性强、规模可扩展、数据传输率低、鲁棒性强等特点。同时将开发设计原型系统，为其工程化与实用化奠定基础。

同时定位与制图（SLAM）是移动机器人领域的核心问题，而语义制图是自主移动机器人的前提和基础，也是国内外研究的热点和难点问题之一。集群机器人系统具有更好的鲁棒性、容错性和可重构性，可以有效提升制图的速度和精度，因而成为国际前沿研究课题。本项目在卷积神经网络（CNN）的基础上，结合申请者提出的自适应一致性（consensus）策略，提出了一套面向集群机器人的轻量级、分布式语义制图框架与方法。主要研究内容包括分布式集群机器人建模、轻量级CNN处理、改进SLAM重构、增量语义标记以及分布式CNN学习与地图融合等问题。本项目通过存储量与计算代价较低的轻量级CNN实现、低通信成本的分布式CNN学习以及分布式语义地图融合等关键科学问题的研究，提出了一整套完全分布式的语义制图框架与方法，其主要优点是具有实时性强、规模可扩展、数据传输率低、鲁棒性强等。同时本项目开发设计了原型系统，为所提出的框架和方法的工程化与实用化奠定基础。通过本项目的研究，发表SCI收录论文9篇、申请国家发明专利6项，授权两项。培养研究生和青年科研人员10余人。