Roadmap Learning for Probabilistic Occupancy Maps With Topology-Informed Growing Neural Gas
Roadmap Learning for Probabilistic Occupancy Maps With Topology-Informed Growing Neural Gas
复制标题
具有拓扑信息的生长神经气体的概率占用图的路线图学习
DOI：
10.1109/lra.2021.3068886
复制
发表时间：
2021
影响因子：
5.2
通讯作者：
Hollinger, Geoffrey A.
中科院分区：
文献类型：
--
作者：
Saroya, Manish;Best, Graeme;Hollinger, Geoffrey A.
我们解决的问题，生成导航路线图的不确定性和混乱的环境表示的概率占用地图。一个关键的挑战是制定路线图，通过不确定障碍物周围的狭窄通道和路径提供连通性。我们提出了拓扑信息增长神经气体算法，利用持久同源理论计算的概率拓扑结构的估计。这些拓扑结构估计告知随机采样分布，以将路线图学习集中在尚未正确学习的环境中具有挑战性的区域。我们提出了三个现实世界的室内点云数据集表示为希尔伯特地图的实验。我们的方法优于基线方法的图形连接，路径解决方案的质量和搜索效率。与更密集的PRM* 相比，我们的方法实现了类似的性能，同时为最短路径搜索提供了27倍的查询时间。
We address the problem of generating navigation roadmaps for uncertain and cluttered environments represented with probabilistic occupancy maps. A key challenge is to generate roadmaps that provide connectivity through tight passages and paths around uncertain obstacles. We propose the topology-informed growing neural gas algorithm that leverages estimates of probabilistic topological structures computed using persistent homology theory. These topological structure estimates inform the random sampling distribution to focus the roadmap learning on challenging regions of the environment that have not yet been learned correctly. We present experiments for three real-world indoor point-cloud datasets represented as Hilbert maps. Our method outperforms baseline methods in terms of graph connectivity, path solution quality, and search efficiency. Compared to a much denser PRM*, our method achieves similar performance while enabling a 27× faster query time for shortest-path searches.
具有相对持久同源性的拓扑轨迹聚类
DOI：
--
发表时间：
2016
期刊：
IEEE International Conference on Robotics and Automation
影响因子：
--
作者：
Florian T. Pokorny;Ken Goldberg;D. Kragic
通讯作者：
D. Kragic
用于机器人信息收集的拓扑感知自组织地图
DOI：
10.1109/iros45743.2020.9341040
发表时间：
2020
期刊：
IEEE International Conference on Intelligent Robots and Systems
影响因子：
--
作者：
McCammon, Seth;Jones, Dylan;Hollinger, Geoffrey A.
通讯作者：
Hollinger, Geoffrey A.
影响因子：
8.3
作者：
Reid, William;Fitch, Robert;Sukkarieh, Salah
通讯作者：
Sukkarieh, Salah