.png){kind=icon}
返回
Streamlining Data Transfer in Collaborative SLAM Through Bandwidth-Aware Map Distillation
.png){kind=icon}
PRE
AI
DOI：10.1109/TMC.2025.3549367.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
边缘智能为大规模场景下的同时定位与地图构建（SLAM）提供了有前景的解决方案，其中多个机器人协同感知环境并将局部地图上传到边缘服务器。然而，在受限且动态变化的通信资源下保持建图精度仍然是机器人蜂群实际部署中的一个重大挑战。多个智能体并发数据上传会加剧网络拥塞，导致关键信息丢失、更新延迟，最终造成生成的地图不一致。本文提出Hermes，一种面向通信受限环境的边缘辅助协作建图系统。Hermes通过带宽感知的地图精炼来简化数据传输，确保只有最关键的消息被传输到边缘服务器。我们基于位姿估计的信息熵增益来量化关键帧和路标的重要性。通过选择性共享必要的子地图，Hermes在地图构建过程中自适应地平衡通信带宽和信息丰富度。我们在异构平台上实现了Hermes，并使用公开数据集和自采集的校园数据进行了实验。Hermes在带宽利用率方面比SwarmMap高出50%，精度相当，并且在高度受限的网络资源下，轨迹误差比COVINS-G降低了65%。
Keyword:
Map compression
low bandwidth
visual SLAM
robot swarm
期刊
IF:
9.2
论文数:
5.9K
被引数:
1.8W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容