Embedded Files
◼ Multi-robot teaming
◼ Multi-robot teaming
Multi-robot teaming.mp4개요
다양한 환경에서의 광역 자율 임무 수행을 위해, 다중 이기종 모빌리티의 협조 운용 기법을 개발함. 드론, 지상 로봇 등 이동 특성이 상이한 플랫폼이 각각 멀티모달 센서 기반 SLAM을 수행하고, 추출된 3D 기하 구조(PCD), 광학 영상(RGB), 열화상(Temperature) 특징을 삼각형 구조 기반으로 매칭하여 플랫폼 간 공통 표현 체계를 확보함. 이를 통해 개별 플랫폼의 분산 관측 정보를 단일 좌표계로 통합한 다차원 공유 지도를 생성하고, 단일 플랫폼의 인지 범위 및 환경 제약을 극복함.
주요 기여
▸ 멀티모달 정보 특징 추출: PCD·RGB·온도 특징을 삼각형 구조로 추출 및 매칭하여 이기종 플랫폼 간 일관된 공간 표현 체계 확보
▸ 다중 이기종 모빌리티 협조 운용: 이동 특성이 상이한 다수 플랫폼(공중·지상)의 관측 정보를 통합하여 광역 영역에 대한 협조적 인지 및 탐사 수행
▸ 다차원 공유 지도 생성: 각 플랫폼의 분산 관측 결과를 단일 좌표계로 융합하여 통합 환경 지도 구축 및 실시간 공유
기대 효과
▸ 광역 임무 수행 역량 확보: 다수 플랫폼 동시 운용을 통한 탐사 범위 확장 및 임무 시간 단축
▸ 인지 신뢰성 향상: 이기종 센서·관측 시점의 상호 보완을 통한 위치 추정 및 지도 정확도 제고
▸ 운용 강건성 강화: 일부 플랫폼 손실·고장 시에도 임무 지속이 가능한 분산형 협조 구조 구현
▸ 확장성 확보: 플랫폼 종류 및 수량 변화에 유연하게 대응 가능한 범용 협조 운용 체계 마련
다양한 환경에서의 광역 자율 임무 수행을 위해, 다중 이기종 모빌리티의 협조 운용 기법을 개발함. 드론, 지상 로봇 등 이동 특성이 상이한 플랫폼이 각각 멀티모달 센서 기반 SLAM을 수행하고, 추출된 3D 기하 구조(PCD), 광학 영상(RGB), 열화상(Temperature) 특징을 삼각형 구조 기반으로 매칭하여 플랫폼 간 공통 표현 체계를 확보함. 이를 통해 개별 플랫폼의 분산 관측 정보를 단일 좌표계로 통합한 다차원 공유 지도를 생성하고, 단일 플랫폼의 인지 범위 및 환경 제약을 극복함.
주요 기여
▸ 멀티모달 정보 특징 추출: PCD·RGB·온도 특징을 삼각형 구조로 추출 및 매칭하여 이기종 플랫폼 간 일관된 공간 표현 체계 확보
▸ 다중 이기종 모빌리티 협조 운용: 이동 특성이 상이한 다수 플랫폼(공중·지상)의 관측 정보를 통합하여 광역 영역에 대한 협조적 인지 및 탐사 수행
▸ 다차원 공유 지도 생성: 각 플랫폼의 분산 관측 결과를 단일 좌표계로 융합하여 통합 환경 지도 구축 및 실시간 공유
기대 효과
▸ 광역 임무 수행 역량 확보: 다수 플랫폼 동시 운용을 통한 탐사 범위 확장 및 임무 시간 단축
▸ 인지 신뢰성 향상: 이기종 센서·관측 시점의 상호 보완을 통한 위치 추정 및 지도 정확도 제고
▸ 운용 강건성 강화: 일부 플랫폼 손실·고장 시에도 임무 지속이 가능한 분산형 협조 구조 구현
▸ 확장성 확보: 플랫폼 종류 및 수량 변화에 유연하게 대응 가능한 범용 협조 운용 체계 마련
English version
English version
Overview
We develop a cooperative operation technique for heterogeneous multi-robot teaming, enabling wide-area autonomous missions across diverse environments. Heterogeneous platforms with distinct mobility characteristics such as drones and ground robots each perform multimodal sensor-based SLAM, and the extracted 3D geometry (PCD), optical (RGB), and thermal (Temperature) features are matched via a triangular structure to establish a common representation across platforms. This integrates distributed observations from individual platforms into a unified coordinate frame, generating a multi-dimensional shared map and overcoming the perceptual range and environmental constraints of a single platform.
Key contribution
▸ Multimodal feature extraction: Matching PCD, RGB, and temperature features via a triangular structure for consistent cross-platform representation
▸ Heterogeneous multi-robot teaming: Integrating observations from aerial and ground platforms for cooperative wide-area perception
▸ Multi-dimensional shared map: Fusing distributed observations into a unified coordinate frame for integrated mapping and real-time sharing
Impact
▸ Wide-area mission capability: Expanding coverage and reducing mission time via multi-platform operation
▸ Improved perception reliability: Enhancing localization and mapping accuracy through complementary sensors and viewpoints
▸ Enhanced operational robustness: Sustaining missions despite partial platform loss through a distributed structure
▸ Scalability: Establishing a general-purpose framework adaptable to platform type and quantity
We develop a cooperative operation technique for heterogeneous multi-robot teaming, enabling wide-area autonomous missions across diverse environments. Heterogeneous platforms with distinct mobility characteristics such as drones and ground robots each perform multimodal sensor-based SLAM, and the extracted 3D geometry (PCD), optical (RGB), and thermal (Temperature) features are matched via a triangular structure to establish a common representation across platforms. This integrates distributed observations from individual platforms into a unified coordinate frame, generating a multi-dimensional shared map and overcoming the perceptual range and environmental constraints of a single platform.
Key contribution
▸ Multimodal feature extraction: Matching PCD, RGB, and temperature features via a triangular structure for consistent cross-platform representation
▸ Heterogeneous multi-robot teaming: Integrating observations from aerial and ground platforms for cooperative wide-area perception
▸ Multi-dimensional shared map: Fusing distributed observations into a unified coordinate frame for integrated mapping and real-time sharing
Impact
▸ Wide-area mission capability: Expanding coverage and reducing mission time via multi-platform operation
▸ Improved perception reliability: Enhancing localization and mapping accuracy through complementary sensors and viewpoints
▸ Enhanced operational robustness: Sustaining missions despite partial platform loss through a distributed structure
▸ Scalability: Establishing a general-purpose framework adaptable to platform type and quantity
Google Sites
Report abuse