Air-Ground Collaboration with SPOMP: Semantic Panoramic Online Mapping and Planning

地图和导航早在机器人出现之前就是相辅相成的。地图是一种关键的交流形式，使从未到过某地的人也能成功地导航该地区。在多机器人系统的背景下，流动于机器人之间的地图和信息对于有效的协作是必要的，无论这些机器人是同时、顺序或完全异步操作。在本文中，我们认为地图必须超越编码纯几何或视觉信息，以实现越来越复杂的自主性，特别是在机器人之间。我们提出了一个多机器人自主性框架，重点关注在户外2.5D环境中操作的空中和地面机器人。我们展示了语义地图可以实现复杂协作任务的规定、规划和执行，包括在GPS信号缺失的情况下的定位。这项工作的一个区别特点是我们强调了现场实验和测试，并通过这样做展示了这些思想可以在现实世界中大规模地运作。我们还进行了大量的仿真实验，以验证我们的思想在更大规模上的可行性。我们认为这些实验和实验结果是向前推进大规模、协作多机器人系统的最新技术的重要一步，这些系统在真实通信、导航和感知约束下运作。

论文提出了一个用于多机器人自主的框架，旨在解决机器人在户外2.5D环境中协作时面临的复杂性问题。

论文提出了一种基于语义地图的方法，可以实现机器人之间的规划和执行复杂的协作任务，包括在GPS受限的环境中进行定位。

论文强调了实地实验和测试的重要性，并展示了这些想法可以在现实世界中实现规模化。论文还进行了大量的仿真实验来验证其想法。

最近的相关研究包括：《Multi-Robot Systems: A Survey from a Machine Learning Perspective》、《A Survey of Multi-Robot Systems》、《A Survey on Multi-Robot Systems》等。