1 前言

SLAM（The Simultaneous Localisation and Mapping）中文的意思是同時定位和地圖繪制，即將一個移動機(jī)器人（也可以是水下機(jī)器人（ROV）或者無人機(jī)（UAV））放置于一個位置環(huán)境中的一個未知位置,在沒有先驗(yàn)圖的情況下，機(jī)器人可以自主地逐步構(gòu)建周圍環(huán)境的一致地圖，同時可以在環(huán)境中確定自身的位置。SLAM問題自90年代提出以來,被視作移動機(jī)器人領(lǐng)域的“圣杯”，它是使機(jī)器人完全實(shí)現(xiàn)自主的手段，是機(jī)器人的核心技術(shù)之一。

對于SLAM技術(shù)的研究目前已經(jīng)發(fā)展的比較成熟，框架也比較完善，但在技術(shù)落地的過程中免不了會遇到各種各樣的問題，學(xué)者將不同的方法引入SLAM框架進(jìn)行完善，進(jìn)而產(chǎn)生了各種各樣的SLAM方法，ActiveSLAM就是其中一種。

本篇文章先簡單介紹SLAM框架，然后會通過一個例子簡要介紹ActiveSLAM的應(yīng)用場景，最后會對ActiveSLAM問題以及他的解決方案進(jìn)行闡述。

2 SLAM簡述

一個經(jīng)典的視覺SLAM框架由五部分組成：傳感器的信息讀取、前端的視覺里程計、后端的優(yōu)化、回環(huán)檢測、建圖。

傳感器信息讀?。涸谝曈XSLAM中主要為相機(jī)圖像信息的讀取和預(yù)處理，在機(jī)器人系統(tǒng)中還包括編碼器、IMU等其他傳感器信息的讀取和融合。

前端視覺里程計（VO）：用于估算相鄰圖像間相機(jī)的運(yùn)動以及局部地圖的樣子。

后端（非線性）優(yōu)化(Optimization)：后端接受不同時刻視覺里程計測量的相機(jī)位姿，以及回環(huán)檢測的信息，對它們進(jìn)行優(yōu)化，得到全局一致的軌跡和地圖。

回環(huán)檢測(Loop Closure Detection)：回環(huán)檢測判斷機(jī)器人是否到達(dá)過先前的位置。如果檢測到回環(huán)，它會把信息提供給后端進(jìn)行處理。

建圖(Manning)：它根據(jù)估計的軌跡，建立與任務(wù)要求對應(yīng)的地圖。

3 一個例子

想象這樣一種情況：一架無人機(jī)要穿過某個地形，前往一個目標(biāo)點(diǎn)進(jìn)行物品運(yùn)輸，無人機(jī)上配備視覺傳感器，通過SLAM技術(shù)實(shí)現(xiàn)自身定位，沿途有兩種選擇：

穿過沙漠前往目標(biāo)點(diǎn)：距離更短，但特征紋理單一

穿過叢林前往目標(biāo)點(diǎn)：距離稍長，但特征紋理豐富

在傳統(tǒng)情況下，可能會選擇穿過沙漠前往目標(biāo)點(diǎn)，但是由于沙漠中特征紋理過于單一，無人機(jī)在穿越沙漠的過程中很有可能會出現(xiàn)里程計漂移甚至定位失敗的情況，這樣不僅不能完成任務(wù)，而且還會造成的巨大損失。

ActiveSLAM的提出就是為了解決這一問題，ActiveSLAM會將機(jī)器人導(dǎo)航過程中更多其他的信息（比如：定位精度、光照影響、安全因素等）加入到路徑選擇過程中，雖然有時候會付出一些代價（比如路徑更長，造成燃油等損耗的提高），但這些代價與考慮進(jìn)去的信息相比往往無關(guān)痛癢；比如這里如果選擇穿過叢林前往目標(biāo)點(diǎn)，雖然距離稍長，會造成一些燃油損耗，但由于叢林中有豐富的紋理信息，可以保證無人機(jī)的定位精度，使得無人機(jī)可以更安全到達(dá)目標(biāo)點(diǎn)。

比如下面這張圖：藍(lán)色的路徑雖然距離更長，但由于沿途有豐富的紋理特征，可以順利地到達(dá)目標(biāo)點(diǎn)；而紅色的路徑雖然距離更短，但由于紋理特征的缺失，很多導(dǎo)航都在半路失敗了，并沒有到達(dá)目標(biāo)點(diǎn)。

4 Active SLAM問題概述

經(jīng)典的SLAM問題的解決使得機(jī)器人擁有了在環(huán)境中自由移動的能力，但這也給運(yùn)動規(guī)劃算法帶來了額外的限制。具體來說，機(jī)器人的運(yùn)動會影響相機(jī)捕捉到的信息，從而影響感知算法的性能。換句話說，當(dāng)機(jī)器人移動到一個位置時，相機(jī)捕捉到的信息可能不是最優(yōu)的。因此SLAM界最近新興起了一種新型的SLAM算法，這種算法在進(jìn)行運(yùn)動規(guī)劃時需要考慮視覺感知的需求，這就是所謂的Active SLAM（主動SLAM）

著名的ActiveSLAM框架包括模型預(yù)測控制（MPC）框架[1,2]和部分可觀察馬爾科夫決策過程（POMDP）形式化[3]。主動SLAM的目的是如何在探索新區(qū)域和重新訪問已知空間之間取得平衡，并為機(jī)器人選擇最優(yōu)的未來軌跡。這涉及到了三個基本問題：

生成候選路徑

評價標(biāo)準(zhǔn)的選擇

在生成的路徑中選擇最優(yōu)路徑

主動SLAM在現(xiàn)實(shí)中的意義也十分重大，許多農(nóng)業(yè)任務(wù)，如灌溉、蟲害控制和施肥，都涉及覆蓋任務(wù)，并且是在沒有GPS全球定位信息的室內(nèi)環(huán)境中進(jìn)行的。為了避免SLAM結(jié)果中不確定性增長可能導(dǎo)致的較大漂移和任務(wù)失敗，主動SLAM是有利的。一般來說，在這項(xiàng)任務(wù)中，可以獲得溫室的粗略平面圖，并提供有關(guān)障礙的先驗(yàn)信息。地圖的特征可以定義為來自圖像的普通視覺特征(如ORB特征和SIFT特征)和任何檢測到的對象(如水果和植物)。

5 Active SLAM問題解決方案

針對于上一節(jié)中提到的主動SLAM的三個基本問題, 我們分別論述其解決方案。

生成可用動作集(軌跡)的兩種主要方法是基于動態(tài)的方法和基于幾何的方法。在基于動態(tài)的方法中，未來候選軌跡是利用機(jī)器人模型或潛在信息場來獲得的。流行的MPC和POMDP框架都屬于這一類。基于幾何的方法的靈感來自于路徑規(guī)劃算法，如RRT，A和D*。然而，復(fù)雜環(huán)境下的實(shí)際系統(tǒng)很難滿足動態(tài)約束，這限制了這些方法的實(shí)用性。因此，動態(tài)方法比基于幾何的方法更受歡迎。

評價指標(biāo)的選擇用于確定地圖或機(jī)器人位姿的不確定性，正確地解釋不確定性對于主動SLAM算法非常重要，特別是對于航位推算場景，在這種場景中機(jī)器人姿態(tài)的不確定性會增加。如果在這種情況下單調(diào)性不成立，主動SLAM算法可以在不確定性降低的錯誤信念下執(zhí)行動作，常見的評價準(zhǔn)則有有A-opt、D-opt和E-opt準(zhǔn)則，它們用來計算預(yù)測的Fisher信息矩陣（FIM），A-opt和E-opt在一些情況下會失去單調(diào)性，而D-opt往往不會失去單調(diào)性[4,5]。

選擇最優(yōu)軌跡是一個具有多約束的非凸非線性最優(yōu)控制問題。直接方法是一種常見的解決方法，其中的問題是在離散優(yōu)化領(lǐng)域中制定。減小了搜索空間的大小，但解是次優(yōu)的；一個重要的示例是基于前沿的探索。其他方法的目的是在連續(xù)置信空間[6]中搜索局部最優(yōu)策略。尋找主動SLAM的最優(yōu)(甚至次優(yōu))解決方案仍然具有挑戰(zhàn)性。

審核編輯：劉清