Robotics & Automation hoạt động

SLAM — định vị và dựng bản đồ đồng thời

SLAM — Định vị và dựng bản đồ

Đã chạy được. Mục này có công cụ tính toán thật trên nền tảng, không phải mô tả lộ trình.

Trôi odometry và loop closure Sai số tích luỹ và giá trị của việc đóng vòng

Định vị bằng odometry luôn trôi. Công cụ này cho thấy sai số tích luỹ tới đâu và loop closure kéo lại được bao nhiêu.

Sai số không hiệu chỉnh 10.0000
Sai số có loop closure 0.4082
Giảm được 95.9%
Số lần đóng vòng 5
Kết luận Trong ngưỡng 2% quãng đường
① Tham số

Sai số định vị dọc đường đi

Không hiệu chỉnhCó loop closure
Sai số định vị dọc đường đi11.27.0672.933-1.2062125188250312375438500

Trục ngang là quãng đường đã đi (m). Mỗi răng cưa là một lần đóng vòng kéo sai số xuống 20% giá trị trước đó. Giữa hai lần đóng vòng sai số lại mọc lên, nên khoảng cách giữa chúng mới là biến thiết kế.

Diễn giải nhanh

Sai số cuối 0.4082 m trên 500 m đi được (0.08% quãng đường)

Mốc thực hành là 2% quãng đường. Vượt mốc đó thì cần cảm biến tuyệt đối — GNSS, marker dán sẵn hoặc khớp với bản đồ LiDAR đã dựng trước.

5 lần đóng vòng giảm sai số 95.9%

So với chạy hở hoàn toàn. Không đóng vòng lần nào thì sai số chỉ có một chiều: tăng.

Chất lượng hiệu chỉnh 80% mỗi lần đóng vòng

Mô hình giả định mỗi lần đóng vòng đều ĐÚNG. Một lần khớp nhầm hành lang giống nhau sẽ kéo cả bản đồ về vị trí sai và phá luôn phần đã dựng đúng — hậu quả tệ hơn không đóng vòng.

Tỷ lệ trôi 2% quãng đường

Sai số tích luỹ theo √n khi nhiễu độc lập từng đoạn. Nếu bánh xe bị lệch cỡ hoặc IMU có bias thì sai số tích luỹ TUYẾN TÍNH và mọi con số ở đây đều lạc quan.

Khi nào con số này sai: Loop closure SAI còn tệ hơn không có loop closure nào: nó kéo cả bản đồ về một vị trí sai và phá huỷ mọi thứ đã dựng đúng trước đó. Môi trường lặp lại — hành lang giống nhau — là nơi việc này hay xảy ra nhất.

Chi tiết

Tỷ lệ trôi 2% quãng đường
Khoảng cách giữa hai lần đóng vòng 100.00
Chất lượng hiệu chỉnh 80%
Sai số tích luỹ dạng √n với nhiễu độc lập, tuyến tính nếu có sai lệch hệ thống
Gợi ý Trôi trên 2% quãng đường thì cần cảm biến tuyệt đối (GNSS, marker, hoặc LiDAR khớp bản đồ sẵn)

Sai số định vị dọc đường đi

Không hiệu chỉnhCó loop closure
Sai số định vị dọc đường đi11.27.0672.933-1.2062125188250312375438500

Trục ngang là quãng đường đã đi (m). Mỗi răng cưa là một lần đóng vòng kéo sai số xuống 20% giá trị trước đó. Giữa hai lần đóng vòng sai số lại mọc lên, nên khoảng cách giữa chúng mới là biến thiết kế.

Sai số cuối hành trình theo khoảng cách đóng vòng

Sai số cuối hành trình theo khoảng cách đóng vòng5.1763.3041.431-0.44162575125175225275325375425475

Chạy lại đúng công thức trên với từng khoảng cách đóng vòng. Đường dốc lên nghĩa là đóng vòng dày có giá trị; đoạn phẳng ở bên trái là vùng mà đóng vòng thêm không mua được độ chính xác nào nữa.

Sai số tại từng lần đóng vòng

LầnQuãng đường (m)Trước hiệu chỉnhSau hiệu chỉnhGiảm
11002.00000.400080%
22002.03960.407980%
33002.04120.408280%
44002.04120.408280%
55002.04120.408280%

Toàn bộ chỉ số

Tỷ lệ trôi 2% quãng đường
Khoảng cách giữa hai lần đóng vòng 100.00
Chất lượng hiệu chỉnh 80%
Sai số tích luỹ dạng √n với nhiễu độc lập, tuyến tính nếu có sai lệch hệ thống
Gợi ý Trôi trên 2% quãng đường thì cần cảm biến tuyệt đối (GNSS, marker, hoặc LiDAR khớp bản đồ sẵn)

Cách dùng

  1. Điền tham số ở cột trái. Mọi ô đã có sẵn giá trị ví dụ chạy được, nên bạn có thể bấm Tính ngay trước rồi sửa sau.
  2. Đọc thẻ số ở trên cùng, rồi mục Diễn giải nhanh để biết con số đó nói gì.
  3. Đọc dòng “Khi nào con số này sai” trước khi dùng kết quả để quyết định — đó là giả định vỡ đầu tiên.
Giới hạn chung. Công cụ này tính đúng công thức của nó trên dữ liệu bạn đưa vào. Nó không kiểm tra dữ liệu của bạn có phù hợp với giả định của phương pháp hay không — phần đó vẫn là việc của người dùng, và mục “sai ở đâu” bên dưới trang liệt kê các chỗ hỏng thường gặp.

SLAM — định vị và dựng bản đồ đồng thời là gì

SLAM giải đồng thời hai bài toán phụ thuộc lẫn nhau: robot đang ở đâu, và bản đồ môi trường trông thế nào. Chúng phụ thuộc vòng — cần bản đồ để định vị và cần vị trí để dựng bản đồ — nên phải giải cùng lúc.

Làm thế nào

  1. Chọn cảm biến: LiDAR cho độ chính xác hình học, camera cho chi phí thấp và thông tin ngữ nghĩa.
  2. Ước lượng chuyển động khung-tới-khung (odometry).
  3. Phát hiện loop closure để triệt tiêu trôi tích luỹ.
  4. Tối ưu đồ thị vị trí toàn cục sau mỗi loop closure.

Đo bằng chỉ số nào

Absolute trajectory error sai số quỹ đạo so với ground truth
Sai số trôi trên quãng đường phần trăm trên 100 m
Tỷ lệ loop closure đúng một loop closure sai phá nát bản đồ

Sai ở đâu

Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.

! Môi trường lặp lại (hành lang giống nhau) gây loop closure sai, và hậu quả tệ hơn không phát hiện loop nào.
! Vật thể động (người đi lại) làm hỏng giả định môi trường tĩnh.

Mô hình định lượng dùng trong Robotics

Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.

Tất cả mô hình →
Hidden Markov Modelsắp có

Suy ra trạng thái ẩn từ quan sát.

Kalman Filterbeta

Ước lượng trạng thái ẩn từ quan sát nhiễu, cập nhật liên tục.

CNNsắp có

Tích chập cho dữ liệu có cấu trúc không gian.

Reinforcement Learningsắp có

Học chính sách hành động qua thử và phần thưởng.

Câu hỏi thường gặp

SLAM — định vị và dựng bản đồ đồng thời là gì?

SLAM giải đồng thời hai bài toán phụ thuộc lẫn nhau: robot đang ở đâu, và bản đồ môi trường trông thế nào. Chúng phụ thuộc vòng — cần bản đồ để định vị và cần vị trí để dựng bản đồ — nên phải giải cùng lúc.

SLAM — định vị và dựng bản đồ đồng thời được làm như thế nào?

1. Chọn cảm biến: LiDAR cho độ chính xác hình học, camera cho chi phí thấp và thông tin ngữ nghĩa. 2. Ước lượng chuyển động khung-tới-khung (odometry). 3. Phát hiện loop closure để triệt tiêu trôi tích luỹ. 4. Tối ưu đồ thị vị trí toàn cục sau mỗi loop closure.

SLAM — định vị và dựng bản đồ đồng thời hay sai ở đâu?

Môi trường lặp lại (hành lang giống nhau) gây loop closure sai, và hậu quả tệ hơn không phát hiện loop nào. Vật thể động (người đi lại) làm hỏng giả định môi trường tĩnh.

Đo slam — định vị và dựng bản đồ đồng thời bằng chỉ số nào?

Absolute trajectory error — sai số quỹ đạo so với ground truth; Sai số trôi trên quãng đường — phần trăm trên 100 m; Tỷ lệ loop closure đúng — một loop closure sai phá nát bản đồ.

SLAM — định vị và dựng bản đồ đồng thời trên QuantHub đã dùng được chưa?

Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.

Chủ đề khác trong Robotics

Toàn bộ Robotics
Path Planning Motion Planning Sensor Fusion Robot Vision Navigation Reports API Documentation