ХЛЕБОПЕЧЕНИЕ РОССИИ

Динамические препятствия представляют собой значительную проблему в области автономной мобильной робототехники, поскольку они могут существенно повлиять на точность и надежность методов локализации. Данное исследование направлено на изучение влияния различных типов динамических препятствий на эффективность алгоритмов локализации в сложных средах. В данной работе были использованы симуляционные среды Gazebo и Webots для моделирования поведения автономных мобильных роботов в присутствии динамических препятствий различной природы, таких как движущиеся объекты, пешеходы и другие роботы. Исследовались алгоритмы локализации, основанные на фильтрах частиц (particle filters), расширенном фильтре Калмана (EKF) и graph-based методах. Эксперименты проводились в 5 различных сценариях, варьирующих по количеству и типу динамических препятствий. Оценка точности локализации производилась путем сравнения оцененной траектории робота с ground truth данными, полученными из симуляционной среды. Использовались метрики абсолютной траекторной ошибки (ATE) и относительной позиционной ошибки (RPE). Результаты экспериментов показали, что наличие динамических препятствий приводит к значительному снижению точности локализации для всех исследованных алгоритмов. Так, в сценариях с высокой плотностью движущихся объектов средняя ATE ошибка для методов на основе фильтра частиц возросла на 38.5% по сравнению со статической средой, а для graph-based подходов - на 29.3%. Использование дополнительной сенсорной информации, такой как данные лидаров и камер глубины, позволило частично компенсировать негативный эффект динамических помех и повысить точность локализации в среднем на 14.7%. Тем не менее ни один из рассмотренных алгоритмов не продемонстрировал полной робастности к динамике среды.