यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
जियोफ्लो-एसएलएएम (GeoFlow-SLAM) आक्रामक और उच्च-आवृत्ति वाले बहु-पैर वाले रोबोटों के लिए एक मज़बूत और कुशल, टाइटली कपल्ड RGBD-इनर्शियल SLAM है। यह ज्यामितीय संगति, बहु-पैर वाले रोबोट पोज़ प्रतिबंधों और डुअल-स्ट्रीम ऑप्टिकल फ्लो (GeoFlow) को एकीकृत करके तीन प्रमुख चुनौतियों का समाधान करता है: तेज़ गति के दौरान फ़ीचर मिलान और पोज़ आरंभीकरण विफलता, और बनावट रहित दृश्यों में दृश्य फ़ीचरों का अभाव। तेज़ गति के परिदृश्यों में, पिछले मानचित्र बिंदुओं और पोज़ को संयोजित करने वाले डुअल-स्ट्रीम ऑप्टिकल फ्लो का लाभ उठाकर फ़ीचर मिलान में उल्लेखनीय सुधार होता है। इसके अलावा, हम एक पोज़ आरंभीकरण विधि प्रस्तावित करते हैं जो IMU/बहु-पैर वाले रोबोट पोज़ अनुमान, फ़्रेम-दर-फ़्रेम परिप्रेक्ष्य-n-बिंदु (PnP), और सामान्यीकृत पुनरावृत्त निकटतम बिंदु (GICP) को एकीकृत करके बहु-पैर वाले रोबोटों के लिए तेज़ गति और IMU त्रुटियों के लिए मज़बूत है। इसके अलावा, हम एक नया अनुकूलन ढाँचा प्रस्तुत करते हैं जो पहली बार डेप्थ-मैप और GICP ज्यामितीय बाधाओं को कसकर जोड़ता है ताकि दीर्घकालिक, दृश्य रूप से बनावट रहित वातावरण में मजबूती और सटीकता में सुधार हो सके। प्रस्तावित एल्गोरिथम एकत्रित बहु-पैर वाले रोबोट और ओपन-सोर्स डेटासेट पर अत्याधुनिक (SOTA) प्रदर्शन प्राप्त करता है। अनुसंधान और विकास को और सुविधाजनक बनाने के लिए, ओपन सोर्स डेटासेट और कोड को https://github.com/HorizonRobotics/geoflow-slam पर सार्वजनिक रूप से उपलब्ध कराया जाएगा ।
हम बहु-पैर वाले रोबोटों की आक्रामक उच्च-आवृत्ति गतिविधियों के विरुद्ध भी एक मजबूत SLAM प्रणाली प्रस्तुत करते हैं।
◦
दोहरे प्रवाह ऑप्टिकल प्रवाह (जियोफ्लो) का उपयोग करके तेजी से बदलती परिस्थितियों में सुविधा मिलान प्रदर्शन में सुधार करना।
◦
आईएमयू/मल्टी-लेग्ड रोबोट पोज़ अनुमान, पीएनपी और जीआईसीपी को एकीकृत करने वाली एक मजबूत पोज़ आरंभीकरण विधि का प्रस्ताव।
◦
हम एक नवीन अनुकूलन ढांचा प्रस्तुत करते हैं जो गहराई-मानचित्रित और जीआईसीपी ज्यामितीय बाधाओं को कसकर जोड़ता है।
◦
बनावट रहित वातावरण में SLAM प्रदर्शन में सुधार करना।
◦
ओपन सोर्स कोड और डेटासेट प्रकटीकरण के माध्यम से अनुसंधान को सक्षम बनाना।
◦
विविध बहु-पैर वाले रोबोट और ओपन-सोर्स डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त करना।
•
Limitations:
◦
इस शोधपत्र में विशिष्ट Limitations का स्पष्ट उल्लेख नहीं किया गया है। Limitations को स्पष्ट करने के लिए अतिरिक्त प्रयोगों और विश्लेषणों की आवश्यकता है।
◦
विशिष्ट वातावरणों (जैसे अत्यंत अंधकारमय वातावरण, तीव्र प्रकाश परिवर्तन) के प्रति मजबूती के लिए और अधिक सत्यापन की आवश्यकता होती है।
◦
कम्प्यूटेशनल जटिलता और वास्तविक समय प्रसंस्करण प्रदर्शन के विस्तृत विश्लेषण का अभाव।
