現在のスラム問題は、いかに良いマップを構築するかという点に重点が置かれており、将来的にマップをどのように活用するかについてはあまり研究されていませんが、たまたま私自身がこの部分の仕事をしているので、個人的な意見としてお答えさせていただきます。
まず、ナビゲーションや地図意味解析などのアプリケーションでは、優れた地図を作成することが前提条件となりますが、現時点では、優れた地図を構築するにはまだ多くの困難が伴います。
第二に、地図ベースのナビゲーションなどのアプリケーションはほとんどが工学的な問題であり、論文を出版するのは簡単ではありません。スラム問題を研究する人のほとんどは学校の学生や研究機関の職員であるため、結果を出版することは依然として非常に重要な考慮事項です。
最後に、さまざまな Slam フレームワークによって作成されるマップのタイプは異なり、成熟したナビゲーション フレームワークである ros_navigation および moveIt と組み合わせるには、まだ多くの作業が必要です。たとえば、orb_slam2 は疎な点群マップを構築します。実際、作成者は、システム全体のマップ構築機能、マップの保存とロード機能、およびマップをロードした後のローカリゼーション機能のみを作成しました。orb_slam2 システムは、利用可能なマップのみを提供します。ロボットの位置情報 自律ナビゲーションを行うには、障害物マップとローカル障害物回避検出が必要です。rtabmap は、レーザー、rgbd、およびホイール付き odom ジョイント マッピングをサポートする比較的包括的な slam フレームワークです。確立されたマップには 3D 密な点群と 2D グリッド マップが含まれていますが、実際のナビゲーションは依然として主に 2D グリッド マップに基づいています。外れ値の除去、パッチの接続、地面と天井の除去など、一連の実際の状況に対処する必要があります。実際、最も重要な問題は、ロボットと地図の関係をどのように理解し、ロボットがどのような地図を必要とするかということです。 ? 認知の観点から見てクールに見えるマップは、やはりロボットの認知によってよりよく理解できるマップです。
rtabmap を使用する人が少ない理由については、まず、rtabmap は開発研究というよりは商用製品に近いため、コードの再開発が難しく、そのため rtabmap を使い始める人が非常に少なく、使用する人も少なくなります。自然データも少ないため、始めるのがさらに難しくなります。。。
参考文献
[1] Zhang Hu、ロボット SLAM ナビゲーションのコア技術と実践 [M]、Machinery Industry Press、2022 年。