正在加载视频...

视频加载失败

#ICRA2024 ではもう一件,6自由度モンテカルロ自己位置推定の発表をします.IMU無し・初期値無しで完全な誘拐状態からの復帰を実現しました.自信作です! MegaParticles: Range-based 6-DoF Monte Carlo Localization with GPU-Accelerated Stein Particle Filter

42,731 次观看 • 2 年前 •via X (Twitter)

4 条评论

koide3 的头像
koide32 年前

要点は大きく以下の4つです. ・GPUによる超大量パーティクル(1024^2個)のリアルタイム処理 ・Gauss-Newton SVGDによる効率的な状態サンプリング ・LSHによるスケーラブルなSE3近傍パーティクル探索 ・近傍グラフ上でのベイズ推定による代表値抽出

koide3 的头像
koide32 年前

誘拐実験のデータは「こんなんできるはず無いやろ...」と思いながら取ってたんですが,余裕でクリアしたので驚きました.このレベルの自己位置認識を純粋な状態推定の枠組みだけで実現した手法は世界で他にないと思います.

koide3 的头像
koide32 年前

動画:

Godel 的头像
Godel2 年前

これは凄いです。プラットホームのマニューバがIMUのレンジを越えると外乱にしかなりませんが、これでバックアップすればシステム全体のロバスト性はより強固になるでしょう。より性能向上されたコードの公開が楽しみです。

相关视频

交流ロボコンで技術賞をいただきました! 茨城高専Bチーム たまたま完熟金柑(タマタマカンジュクキンカン)です 安定完全自動を目指して技術開発をメインでやってました 本番でも98%を自動で競技を終わらせることができました! またRealSense画像認識でアヒルの自動回収をしたり、LiDARx3の最強自己位置推定をやりました 自律移動 mermaidを使った状態遷移図をもとに自律移動をし、競技をすべてこなすことができます 非線形最適化で事前に経路を引いたり、A*で動的に生成したりできます 自動の停止精度は1.2cmでした 6m/s 8m/s2で自動ができましたが、安全面やカーブ時の安定性の問題から3m/sに制限していました(動画は手動時のものです) 画像認識 担当:HK YOLOv8を使いアヒルを検出、Depthから位置を推定しています (アノテーション5k枚) 検出結果から経路を引きPurePursuitで追従することで正確にアヒルを回収できます ✞最強の自己位置推定✞ 事前にホイールオドメトリのバイアスなどをマルチIMUを使い測定し、オドメトリの精度を向上させていました MCLで位置推定をしていました 400hzで動作しましたがLiDARが40Hz x2 + 30Hzだったので100Hzで動かしていました 8m/sで動かした時も安定して位置推定ができており、大会期間中に3回しか自己位置がずれませんでした 物理シミュレーター 担当: HK ros2 for unity を使って物理シミュレーションをしていましたが、実機が思ったより早く完成したので途中から使わなくなってしまいました ボトル検出 LiDAR点群からペットボトルの位置を推定し自動で回収します yaw角と横方向を先に揃えて最後に後ろにまっすぐ下がることで安定して回収ができました コントローラー 担当: HK いつも通りros2 for unity androidでアプリを作成し直接通信しています こたっく 様によりjazzyに対応させることができたのですべてjazzyに移行しました map path goal current poseの表示やinitial poseのpublishができるので試合中rviz2をみることなく終わることができました またコントローラーの角度を取得し、操縦者の向いている方を前として操縦できるようになってます (手動操縦ほぼしなかったけど) #交ロボ #ROS2

橋本 千聡@kazu321

26,240 次观看 • 3 个月前