Developing fully automatic robot platforms to operate in dangerous environments or inaccessible place shown as figure \ref{robot-app} would be beneficial for humankind. Such robotic application is the necessity for the robot to collect sensor data about its environment and present this material to humans in an understandable manner. The robot might present the data to the human as a map, or model of the environment along with a path representing the robot’s trajectory. These correspond to \emph{Simultaneous Localization and Mapping (SLAM) problem}. The difficulty of manually constructing a highly accurate map has motivated the research community to develop autonomous and inexpensive solutions for robotic mapping. The robot needs to have some representation of its pose within the world for successful navigation. Absolute pose in world coordinates is not always necessary, but an accurate pose relative to the starting location is required for many applications.
Moreover, It is necessary for robots to navigate such unknown terrain autonomously with decision on next destination by itself. It corresponds to \emph{Exploration problem}.
In this thesis, an novel exploration method for simultaneous localization and mapping of multiple mobile robot is proposed, called the Random Point Sampling (RPS) exploration algorithm. Conventional exploration methods only consider moving toward unexplored region and it may lead to increase pose uncertainty of robot. Moreover, conventional exploration methods often have higher computational cost for goal assignment. Proposed RPS exploration algorithm reduce computational cost by sampling random candidate points in search space. Furthermore, using entropy of candidate goal points and importance weight of current pose, make decision to move toward unknown region or to go back to already explored region to reduce pose uncertainty. Simulation results show that RPS exploration algorithm reduce much time for computation and travel distance while map quality is increased.
위험한 환경이나 접근할 수 없는 장소에서 완전히 자동으로 동작하는 로봇 플랫폼을 개발하는 것은 인류에게 유용한 것이다. 그러한 로봇 어플리케이션은 로봇이 주변 환경에 대한 센서 데이터를 수집하고 이것을 다시 사람이 이해할 수 있는 형식으로 나타내는 것이 필요하다. 로봇은 그러한 데이터를 자신의 궤적과 함께 주변 환경에 대한 지도나 환경모델로써 사람에게 보여줄 수 있다. 이것들은 동시 위치 추정 및 맵핑 (SLAM) 문제와 관련이 있다. 로봇은 성공적인 항법을 위해, 어떤 환경 안에서 자신의 포즈(위치,방향각)에 대한 표현법을 가지고 있는 것이 필요하다. 그 환경 안에서의 절대적 위치가 항상 필요한 것은 아니지만, 처음 시작 지점에 대한 정확한 상대적 위치는 많은 응용 분야에서 필요로 한다.
또한 로봇은 그러한 알지 못하는 지역을, 다음 목적지에 대한 스스로의 결정에 기반하는 자동항법을 수행하는 것이 필요하다. 이것은 탐사 (Exploration) 문제와 관련이 있는 것이다.
본 논문에서는 임의 지역 샘플링 탐사 방법이라고 하는, 단독 및 다수의 로봇으로 SLAM을 하기 위한 탐사 방법을 제안하였다. 기존의 탐사 방법들은 오로지 미확인 지역으로 나아가는 것만을 고려하였는데, 이것은 로봇의 위치 부정확도를 높일 가능성이 있다. 또한 기존 탐사 방법들은 대부분 다음 목표 위치를 선정하는 데 있어서 많은 계산량을 필요로 하는 경우가 많다. 제안된 탐사 방법은 전체 영역에서 임의의 후보 목표 위치 뽑는 방법을 통해 계산량을 줄였다. 또한 후보 목표 위치의 엔트로피와 현재 로봇 위치의 정확도를 고려하여 미확인 지역으로 계속 나아갈지, 이미 알고 있는 지역으로 돌아가서 로봇의 위치 부정확도를 낮출 지를 결정하도록 한다. 시뮬레이션 결과에서는 제안된 탐사방법이 계산시간 및 로봇의 이동거리를 줄이면서 지도의 정확도는 높이는 것을 보여주고 있다.
