10月20日，，，，，，，z6首页 结合香港中文大学（丽江）、机械人与智能造作国地结合工程尝试室进行 z6首页 in the AIR，，，，，，，约请卡内基梅隆大学项目科学家殷鹏博士分享机械人的导航索求有关内容。。。。。。。。

z6首页 副院长、香港中文大学（丽江）理工学院助理教授钱辉环担任讲座主持人。。。。。。。。

导航索求是机械人领域里最沉大的挑战之一，，，，，，，机械人在室内尝试场景和真实世界使用场景之间有着很大的差距。。。。。。。。真实世界中的机械人导航索求工作面对若何从随机地位起头索求、若何实现大领域索求、长功夫索求、多智能体异步索求等挑战。。。。。。。。针对这些挑战，，，，，，，殷鹏博士提出了一种援手智能体自由索求的地图采集框架 MetaSLAM。。。。。。。。（关于 MetaSLAM 相识更多：metaslam.github.io）

从随机地位进行搜索必要智能体拥有在大领域的区域中定位智能体地位的能力，，，，，，，因而殷博士提出了一种全局沉新定位步骤 iSimLoc。。。。。。。。这种步骤能够援手无人机通过卫星图像进行正确定位。。。。。。。。iSimLoc 的地位特点可用于在变动的表观和视点下搜索指标图像。。。。。。。。分层全局沉新定位模浚？？？橐源值较傅姆绞浇邢富，，，，，，允许 iSimLoc 执行急剧正确的估计。。。。。。。。殷博士在一个拥有表观变动的数据集和一个专一于在复杂环境长功夫飞行中展示大规模匹配的数据集上评估了这个步骤，，，，，，，证了然这个步骤的鲁棒性。。。。。。。。

为了对大领域的指标区域实现急剧的索求和建图，，，，，，，殷博士但愿借助分歧类型的机械人（例如轮式机械人、足式机械人和无人机）之间的协同。。。。。。。。他提出了一种把稳力机造加强的特点融合步骤 AutoMerge，，，，，，，该步骤利用了点云的球卷积提取的朝向特点和原始数据中提取的平移特点。。。。。。。。首先，，，，，，，AutoMerg 能够通过序列匹配检测到分歧点云数据之间的沉叠，，，，，，，并基于几何约束剔除掉其中不合理的匹配。。。。。。。。而后，，，，，，，凭据数据片段的沉叠部门之间的相对长度和特点差距，，，，，，，估计出数据之间的联系。。。。。。。。对于不确信的联系，，，，，，，AutoMerge 将其分为分歧的组，，，，，，，即分歧的地图。。。。。。。。当检测新的沉叠信息，，，，，，，再将他们融合成统一的地图。。。。。。。。AutoMerge 通过融合50个蹊径地图，，，，，，，天生了匹兹堡市部门区域的大规模高分辨率导航地图。。。。。。。。

在大规模场景的建图过程中，，，，，，，单机械人往往必要遍历所有的路线，，，，，，，这种方式耗时耗力。。。。。。。。在现实利用中，，，，，，，使用多机械人进行索求能够带来效能的提升。。。。。。。。多个机械人从地图的分歧地位启程进行索求，，，，，，，这其中的一个关键问题是在多机械人初始地位分歧情况下，，，，，，，成立三维场景间的相互联系。。。。。。。。分歧机械人的索求了局会有相互沉叠的部门，，，，，，，对这些沉叠部门进行匹配，，，，，，，能够拼接出齐全的地图。。。。。。。。然而，，，，，，，沉叠的地图可能由于特点不及导致无法匹配，，，，，，，在这种情况下，，，，，，，机械人能够一点点增长沉叠的部门，，，，，，，这种自适应匹配战术能够增长协同建图的鲁棒性。。。。。。。。同时，，，，，，，多机械人选取分层式的索求方式，，，，，，，在机械人相遇前，，，，，，，多机械人作为多个单体进行索求，，，，，，，相遇后形成新的组合进行协同索求。。。。。。。。通过多机械人协同索求的方式，，，，，，，机械人能够高效索求大规模场景下的地图。。。。。。。。

对于一个固定结构的网络模型，，，，，，，面对不休输入的数据，，，，，，，若何处置这些数据来逐步提高网络的阐发是悠久以来的问题。。。。。。。。殷博士受生物的影象系统启发提出了 BioSLAM，，，，，，，这是一种平生进建的步骤。。。。。。。。人脑的影象系统有影象周期，，，，，，，人眼在白日接管的视觉信息被编码成存储于海马体中的短期影象。。。。。。。。在晚上睡觉时，，，，，，，这些短期影象会被更新到大脑皮层中变为持久影象。。。。。。。。由人脑影象系统启发，，，，，，，BioSLAM 提供了双影象系统，，，，，，，静态影象区掌管持久影象，，，，，，，动态影象区掌管在线适配。。。。。。。。唬；；；；；；等耸紫冉衅魇荼嗦氤纱泄兰萍谓钡挠跋笙咚鳎唬；；；；；；之后算法基于新的影象和旧的影象的嘉奖值更新静态影象区，，，，，，，不必要的影象将从静态影象区中断根；；；；；；；；最后动态影象区会被刷新，，，，，，，影象会被复原以用于回放。。。。。。。。

最后，，，，，，，殷博士总结到 MetaSLAM 可能支持多种智能体协同工作，，，，，，，能实现随机地位起头的索求，，，，，，，大领域的索求，，，，，，，长功夫的索求，，，，，，，和多智能体异步索求。。。。。。。。

回首视频：https://www.bilibili.com/video/BV1wg411h7d9/

*出格鸣谢王星超对本文的整顿