Ratslam

download Ratslam

If you can't read please download the document

Transcript of Ratslam

RatSLAM




Rafael C.P.

RatSLAM

Algoritmo bioinspirado

Baseado nas head, place e grid cells identificadas no hipocampo dos ratos

Modela com redes neurais dinmicas

Usa apenas uma web cam como sensor

Roda em tempo real em um notebook

Mapeamento topolgico

Modelo Hipocampal

Head Cells: cada neurnio representa 1 ngulo diferente

Clulas excitam clulas prximas e inibem clulas distantes

Movimento excita e inibe clulas

Inibio global

Extremidades so conectadas

Modelo Hipocampal

O resultado aps vrias iteraes um pacote de ativaes prximas, com formato similar a uma Gaussiana

Modelo Hipocampal

Local View Cells excitam Head Cells

Similar ao passo de de correo de localizao baseada nos sensores em robtica

Todo mesmo racioncnio para Place Cells, mas 2D

RatSLAM

3 mdulos:Local View Cells: armazenam templates de imagens observadas

Pose Cells: unio das Head Cells com Place Cells, 3D

Experience Map: guarda associaes e transies

Pose Cells

Mapa 3D de poses

Cada face do cubo ligada com a face opostaPermite mapas de tamanho ilimitado, mas compartilha diferentes locais em uma mesma clula

Pose Cells

Exctitao e inibio lateral

Aritmtica modular para levar em conta as extremidades conectadas

Inibio idntica excitao mas com sinal oposto e com inibio global

Pose Cells + Motion

Ao contrrio do modelo biolgico que incorpora a informao de movimento atravs de excitaes e inibies neurais, RatSLAM simplifica e agiliza o processo simplesmente deslocando as ativaes diretamente, como feito comumente em robtica

Local View + Pose Cells

Matriz de associaes atualizada com aprendizado Hebbiano (fire together, wire together)

Local View Cells excitam as pose cells atravs de suas associaes

Experience Map

Guarda associaes de Local View e Place Cells que ocorrem simultaneamente

Guarda tambm pose obtida pela odometria no momento

Transies entre experincias guardam variao de pose

Experience Map

S uma medida de distncia / similaridade entre 2 experincias

Ao ultrapassar um limiar, uma nova experincia criada

Caso contrrio, as experincias so atualizadas (correo da pose)

Viso

Odometria visual

Apenas pedaos das imagens obtidas so usados

A: Template Matching para Local View Cells

B: Estimao de Rotao

C: Estimao de velocidade

Rotao

Imagem (tons de cinza) reduzida a um vetor 1D com a mdia de intensidade de cada coluna

Vetores subsequentes so comparados com vrios alinhamentos e o melhor selecionado como estimativa da rotao

Velocidade

Vetores subsequentes j alinhados pela rotao so comparados

Estimativa de velocidade dada por uma funo de distncia das intensidades absolutas dos vetores

Template Matching

Os vetores de intensidade alinhados tambm so usados no template matching

Experimento - Setup

Apenas um notebook com web cam fixado no topo de um carro

Trajeto de 66km

100min

rea de 3km x 1,6km

Exemplos

Imagens observadas pelo sistema ao longo do experimento

Resultados - Loop Closures

Diferena entre variao de pose armazenada nas transies e pose relativa entre experincias

Picos = loop closures

Rotao

Estimao de rotao foi muito boa (o problema est na velocidade)

Velocidade

Velocidade estimada ao longo de um trecho em que a velocidade real era constante

Maior fonte de erro (40%), mas ainda tolervel

Outros mdulos do algoritmo compensam

Pose Cells

Informao das Local View Cells cria novo pacote de ativaes

Ao longo de 6s esse pacote se torna dominante, e a informao antiga desaparece

Similar ao passo de atualizao baseada nos sensores comum em robtica

Pose Cells

Os mesmos neurnios representam mais de um local no mapa, devido natureza cclica da rede neural usada

Outros mdulos acabam corrigindo ambiguidades

Local View Cells

Novos templates vo sendo criados e ativados

Locais j visitados tornam a ativar neurnios j existentes

Local View Cells

Regies do mapa com aparncia (visual) similar so representadas pelas mesmas Local View Cells

Interao com os outros mdulos retira ambiguidade

Processamento

Parmetros

Resultados

Resultados

Vdeo

http://www.youtube.com/watch?v=-0XSUi69Yvs

Referncias

Milford, M.J. and Wyeth, G.F - Mapping a Suburb With a Single Camera Using a Biologically Inspired SLAM System - IEEE TRANSAC TIONS ON ROBOTICS, VOL. 24, NO. 5, OCTOBER 2008

Muokkaa otsikon tekstimuotoa napsauttamalla

Muokkaa jsennyksen tekstimuotoa napsauttamallaToinen jsennystasoKolmas jsennystasoNeljs jsennystasoViides jsennystasoKuudes jsennystasoSeitsems jsennystasoKahdeksas jsennystasoYhdekss jsennystaso