icra2021 distributed paper list

distributed

Aerial Robotics

Distributed Formation Estimation Via Pairwise Distance Measurements
在追求机器人群的自主性时，持续可靠地实时估计机器人群的相对配置构成了核心功能。依靠外部定位系统，例如 GPS 或运动跟踪系统，可以提供所需的信息，但极大地限制了方法的通用性。在这封信中，我们的目标是对成群的小型无人机进行自主飞行的编队估计，因为它们对机载资源提出了特别具有挑战性的限制，同时为多机器人设置开辟了多种实际场景。虽然最先进的技术一直在解决有效的编队估计，但可扩展性仍然仅限于可以实时处理的极少数代理，每个代理的工作量取决于群体中代理的总数。针对可扩展的多机器人系统，在这里我们提出了一种分布式编队估计方法，其中每个代理的计算负载与群体大小解耦。这种方法是在具有最小通信努力的设置中实现的，只需要来自每个代理的自我运动估计和它们之间的成对距离测量，从而全局限制它们的配置。对多达 49 个无人机群的评估证明了我们处理大型群的方法的能力，同时保持单个代理的计算负载有界，并且只需要两个机器人之间的少量数据交换。这种方法是在具有最小通信努力的设置中实现的，只需要来自每个代理的自我运动估计和它们之间的成对距离测量，从而全局限制它们的配置。对多达 49 个无人机群的评估证明了我们处理大型群的方法的能力，同时保持单个代理的计算负载有界，并且只需要两个机器人之间的少量数据交换。这种方法是在具有最小通信努力的设置中实现的，只需要来自每个代理的自我运动估计和它们之间的成对距离测量，从而全局限制它们的配置。对多达 49 个无人机群的评估证明了我们处理大型群的方法的能力，同时保持单个代理的计算负载有界，并且只需要两个机器人之间的少量数据交换。

Distributed Variable-Baseline Stereo SLAM from Two UAVs
视觉惯性里程计（VIO）已被广泛使用和研究，以控制和帮助机器人导航的自动化，特别是在没有绝对位置测量（如 GPS）的情况下。然而，当场景中可观察的地标位于很远的地方时，例如在高空飞行中，VIO 中度量尺度估计的保真度会大大降低。为了解决这个问题，在这项工作中，我们利用由两架无人机（UAV）形成的虚拟立体设置，每架无人机配备一个摄像头和一个惯性测量单元（IMU），利用它们的视图重叠和它们之间的相对距离测量使用板载超宽带 (UWB) 模块来启用协作 VIO。特别是，我们提出了一种分散的协作估计方案，其中每个代理都拥有自己的本地地图，实现低姿态估计延迟，同时通过基于共识的优化确保每个代理估计的一致性。在对真实感模拟进行全面评估之后，我们展示了该方法在高达 160m 的高空飞行中的有效性，远远超出了最先进的 VIO 方法的能力。最后，我们展示了动态调整基线相对于固定目标基线的优势，从而显着降低了估计误差。

Autonomous Driving

Distributed Dynamic Map Fusion Via Federated Learning for Intelligent Networked Vehicles
联网车辆之间的动态地图融合技术已经发展到扩大感知范围并提高单个车辆的感知精度。本文提出了一种基于联邦学习 (FL) 的动态地图融合框架，以实现高地图质量，尽管视野 (FoV) 中的物体数量未知、各种传感和模型不确定性以及在线学习的数据标签缺失。这项工作的新颖之处在于三个方面：（1）开发了一个三阶段融合方案来有效地预测物体的数量，并融合多个具有保真度分数的局部地图；(2) 开发一种 FL 算法，通过聚合模型参数分布式地微调特征模型（即用于特征提取的表示学习网络）；(3) 开发一种知识蒸馏方法，在数据标签不可用时生成 FL 训练标签。所提出的框架在 CARLA 仿真平台中实现。提供了广泛的实验结果，以验证所开发的地图融合和 FL 方案的卓越性能和鲁棒性。

Best Paper Award Session

Extrinsic Contact Sensing with Relative-Motion Tracking from Distributed Tactile Measurements
本文解决了未知抓取刚性物体与其环境（即机器人外在）接触的定位。我们探讨了分布式触觉传感在定位机器人外部接触方面所起的关键作用，这与传统上聚合力/扭矩测量在定位机器人接触方面所起的作用形成对比。当与环境接触时，物体将根据该接触施加的运动学约束和可能的摩擦约束移动。可以用触觉传感器观察到的物体的小运动，间接编码了这些约束和定义它们的几何形状。我们将外部接触传感问题表述为基于约束的估计问题。估计受到物体运动的触觉测量施加的运动学约束，以及刚体力学施加的运动学（例如，非穿透）和可能的摩擦（例如，粘着）约束。我们在模拟和固定点和线接触案例研究的实际实验中验证了该方法。本文讨论了分布式触觉传感与聚合力/扭矩测量相比价值的理论基础。它还提供了一个估计框架，用于定位环境接触，在接触丰富的操作场景（如组装或包装）中具有潜在影响。我们在模拟和固定点和线接触案例研究的实际实验中验证了该方法。本文讨论了分布式触觉传感与聚合力/扭矩测量相比价值的理论基础。它还提供了一个估计框架，用于定位环境接触，在接触丰富的操作场景（如组装或包装）中具有潜在影响。我们在模拟和固定点和线接触案例研究的实际实验中验证了该方法。本文讨论了分布式触觉传感与聚合力/扭矩测量相比价值的理论基础。它还提供了一个估计框架，用于定位环境接触，在接触丰富的操作场景（如组装或包装）中具有潜在影响。

Distributed Coordinated Path Following Using Guiding Vector Fields
在许多应用中，必须对一大群移动机器人施加可扩展的协调运动控制，这在需要重复执行的任务中非常有效，例如环境监测。在本文中，我们设计了一个引导向量场来引导多个机器人在协调它们的运动时遵循可能不同的期望路径。矢量场使用路径参数作为在相邻机器人之间通信的虚拟坐标。然后，利用虚拟坐标来控制机器人之间沿路径的相对参数位移。这使我们能够为 Dubins-car-like 模型设计饱和控制算法。该算法是分布式的、可扩展的，适用于n维配置空间中的任何平滑路径，并保证全局收敛。

Field Robotics

Autonomous Distributed 3D Radiation Field Estimation for Nuclear Environment Characterization
本文提供了一种旨在实现自主分布式 3D 核辐射场映射的方法。该算法使用单个辐射传感器和一系列空间分布和机器人采集的辐射测量值，通过离散化的 3D 网格得出辐射梯度。导出的梯度概率性地传播到地图的未知组件，以通过识别给定可用信息的下一个最具放射学信息的点来进一步指导好奇心驱动的路径规划器。为了演示该方法，我们开发了一种能够实现自主 GPS 拒绝导航的弹性微型飞行机器人，该机器人集成了掺铊碘化铯 (CsI(Tl)) 闪烁体和硅光电倍增管 (SiPm) 以及定制的脉冲计数电路。

Localization and Mapping

Distributed Client-Server Optimization for SLAM with Limited On-Device Resources
同时定位和映射 (SLAM) 是探索机器人和虚拟/增强现实 (VR/AR) 设备的关键功能。然而，一些资源有限的此类设备无法承担运行完整 SLAM 算法的计算或内存成本。我们提出了一种通用的客户端-服务器 SLAM 优化框架，可以在设备上实现准确的实时状态估计，并且对板载资源的要求较低。资源受限的设备（客户端）只在地图的一小部分上工作，地图的其余部分由服务器处理。通过将地图其余部分的汇总信息发送给客户端，设备上的状态估计更加准确。在存在设备上早期闭环的情况下，可以进一步提高准确性，这可以将有用的变量从服务器重新加载到客户端。来自合成数据集和真实世界数据集的实验结果表明，所提出的优化框架在设备的计算和内存预算有限的情况下实现了实时准确估计。

Localization and Mapping: Distributed Systems

Invariant Extended Kalman Filtering Using Two Position Receivers for Extended Pose Estimation
本文考虑使用两个位置接收器和一个惯性测量单元 (IMU) 来估计刚体的位置、速度和姿态，统称为扩展姿态。由一个接收器的位置和两个接收器之间的相对位置组成的测量模型保持不变，从而能够使用不变扩展卡尔曼滤波器 (IEKF) 框架。与标准乘法扩展卡尔曼滤波器相比，IEKF 具有各种优势，例如与状态估计无关的雅可比。蒙特卡罗模拟表明，双接收器 IEKF 方法比双接收器乘法扩展卡尔曼滤波器 (MEKF) 和单接收器 IEKF 方法产生改进的估计。一个实验进一步验证了所提出的方法，表明双接收器 IEKF表现出了更好的性能。

Compartmentalized Covariance Intersection: A Novel Filter Architecture for Distributed Localization
本文介绍了划分协方差交点 (CCI) 算法，这是一种在协作导航网络中融合测量的一致技术。该算法通过假设相关性仅存在于每个测量流中而不存在于不同的源中来减少标准协方差交点 (CI) 的过度保守性。该假设允许对源进行划分并与卡尔曼方程而不是 CI 方法融合，从而实现更紧密的收敛。CCI 算法应用于协作定位应用，并被证明显着优于 CI，其协方差接近线性高斯系统模拟中理想集中估计器的性能。使用蒙特卡罗模拟也证明了这种方法是一致的。

在基于物理的通信约束下优化非马尔可夫信息增益

Optimizing Non-Markovian Information Gain under Physics-Based Communication Constraints

http://dyalab.mines.edu/publications.html
在许多探索场景中，机器人高效探索新领域并不断交流结果非常重要。由于位置对无线传播的影响——例如网络节点之间的距离或障碍物，移动机器人固有地耦合运动和网络拓扑。信息增益是探索的有用度量。然而，由于信息增益的非马尔可夫性质、网络拓扑的不连续性和零回报局部最优，寻找在保持通信的同时最大化信息增益的路径具有挑战性。我们通过优化和基于采样的算法来应对这些挑战。与基线规划方法相比，我们的算法可扩展到多 50% 的机器人，并获得相对于路径成本的 2-5 倍的信息。

Towards Robust State Estimation by Boosting the Maximum Correntropy Criterion Kalman Filter with Adaptive Behaviors
这项工作为在感知退化环境中运行的机器人提出了一种弹性和自适应状态估计框架。该方法称为自适应最大相关熵准则卡尔曼滤波 (AMCCKF)，对损坏的测量具有内在的鲁棒性，例如包含跳跃或一般非高斯噪声的测量，并且能够在线修改滤波器参数以提高性能。开发了两种独立的方法 - 变分贝叶斯 AMCCKF (VB-AMCCKF) 和残差 AMCCKF (R-AMCCKF) - 除了基于测量质量的 MCCKF 中使用的核函数的带宽之外，它们还修改了过程和测量噪声模型已收到。这两种方法在计算复杂性和整体性能上有所不同，这是通过实验分析的。

Motion Planning: Learning-Based Prediction

Distributed Motion Coordination Using Convex Feasible Set Based Model Predictive Control
由于其高计算复杂性和潜在的死锁，在现实世界的多智能体系统中实施基于优化的运动协调方法仍然具有挑战性。本文提出了一种基于凸可行集（CFS）算法的分布式模型预测控制（MPC）方法，用于自动驾驶中的多车运动协调。通过使用 CFS 来凸化碰撞避免约束，可以实时计算无碰撞轨迹。我们分析了潜在的死锁并表明可以通过改变车辆的期望速度来解决死锁。MPC 结构确保我们的算法对低级跟踪错误具有鲁棒性。所提出的分布式方法已经在多个具有挑战性的多车辆环境中进行了测试，包括非结构化道路、十字路口、交叉路口、排编队、合并和超车场景。数值结果以及与其他方法（包括集中式 MPC 和互易速度障碍）的比较表明，所提出的方法在计算上是高效且稳健的，并且避免了死锁。

Semantic Scene Understanding

Kimera-Multi: A System for Distributed Multi-Robot Metric-Semantic Simultaneous Localization and Mapping
我们提出了第一个用于密集度量语义同时定位和映射 (SLAM) 的完全分布式多机器人系统。我们的系统被称为 Kimera-Multi，由配备视觉惯性传感器的机器人团队实现，并实时构建环境的 3D 网格模型，其中网格的每个面都带有语义标签（例如、建筑物、道路、物体）。在 Kimera-Multi 中，每个机器人使用 Kimera [1] 构建局部轨迹估计和局部网格。然后，当两个机器人在通信范围内时，它们启动分布式位置识别和鲁棒位姿图优化协议，具有新颖的增量最大群异常值拒绝；该协议允许机器人通过利用机器人间闭环来改进其局部轨迹估计。最后，每个机器人使用其改进的轨迹估计来使用网格变形技术来校正局部网格。我们在逼真的模拟和真实数据中展示了 Kimera-Multi。Kimera-Multi (i) 能够构建准确的 3D 度量语义网格，(ii) 对不正确的回环具有鲁棒性，同时比最先进的分布式 SLAM 后端需要更少的计算量，并且 (iii) 高效，在每个机器人的计算以及通信带宽方面。

Sensing in Manipulation

Extrinsic Contact Sensing with Relative-Motion Tracking from Distributed Tactile Measurements
本文解决了未知抓取刚性物体与其环境（即机器人外在）接触的定位。我们探讨了分布式触觉传感在定位机器人外部接触方面所起的关键作用，这与传统上聚合力/扭矩测量在定位机器人接触方面所起的作用形成对比。当与环境接触时，物体将根据该接触施加的运动学约束和可能的摩擦约束移动。可以用触觉传感器观察到的物体的小运动，间接编码了这些约束和定义它们的几何形状。我们将外部接触传感问题表述为基于约束的估计问题。估计受到物体运动的触觉测量施加的运动学约束，以及刚体力学施加的运动学（例如，非穿透）和可能的摩擦（例如，粘着）约束。我们在模拟和固定点和线接触案例研究的实际实验中验证了该方法。本文讨论了分布式触觉传感与聚合力/扭矩测量相比价值的理论基础。它还提供了一个估计框架，用于定位环境接触，在接触丰富的操作场景（如组装或包装）中具有潜在影响。我们在模拟和固定点和线接触案例研究的实际实验中验证了该方法。本文讨论了分布式触觉传感与聚合力/扭矩测量相比价值的理论基础。它还提供了一个估计框架，用于定位环境接触，在接触丰富的操作场景（如组装或包装）中具有潜在影响。我们在模拟和固定点和线接触案例研究的实际实验中验证了该方法。本文讨论了分布式触觉传感与聚合力/扭矩测量相比价值的理论基础。它还提供了一个估计框架，用于定位环境接触，在接触丰富的操作场景（如组装或包装）中具有潜在影响。

Tactile Sensing for Manipulation

Exploiting Distributed Tactile Sensors to Drive a Robot Arm through Obstacles
在非结构化环境中运行的机器人必须能够安全地处理与周围区域中存在的对象的意外碰撞，可能不会停止任务执行。这封信提出了一种触觉反馈控制法则，允许机器人在执行任务时施加有界接触力以应对物理碰撞。作为一个用例场景，考虑驱动机器人手臂穿过障碍物到达空间中已知目标位置的问题。使用覆盖机器人身体的大面积触觉传感器检测机器人与环境之间多次同时接触的强度和位置。它将表明，机器人能够控制末端执行器的位置，并通过调节施加到环境的相互作用力来对意外碰撞作出反应。