0. 简介

在本文中，我们关注移动机器人定位的可靠性问题。蒙特卡罗定位（MCL）广泛用于移动机器人的定位。然而，由于缺乏判定MCL估计可靠性的方法，其安全性仍难以保证。本文提出了一种新型定位框架，能够同时实现鲁棒的定位、可靠性估计和快速重新定位。该方法的实现方式与MCL的估计方式相似。通过在定位过程中估计已知和未知障碍，该方法可以增强对环境变化的定位鲁棒性；然而，不可预见的错误仍可能导致定位失败。该方法还包括一个可靠性估计功能，使机器人能够知道定位是否失败。此外，该方法可以无缝集成全局定位方法，通过重要性采样实现。因此，可以在减少全局定位噪声影响的同时，实现从失败状态的快速重新定位。我们使用装备有2D激光雷达的轮式移动机器人进行了三种类型的实验。结果显示，能够实现可靠的MCL，包括鲁棒定位、自我故障检测和快速故障恢复。相关的代码可以在Github中找到

1. 主要贡献

本文的贡献在于实现了上述方法的集成。正如前文所述，所提出的方法基本上是我们之前提案的综合。然而，由于缺乏模型和实现难度，我们之前未能实现这种集成。在这项工作中，我们提出了一种新的图形模型，用于姿态跟踪过程，并利用自由空间特征解决了全局定位问题。因此，可以实现同时达到上述三个目标的可靠定位。我们使用装备有2D激光雷达的轮式移动机器人进行了基于模拟、数据集和我们自己平台的实验。通过模拟实验，我们展示了所提方法在数值上比传统方法表现得更好。通过数据集和我们自己平台的实验，我们证明了该方法也适用于实际机器人。本文的贡献总结如下：

1. 提出了一个新框架，集成了我们之前在[Akai et al.(2018a)Akai, Morales, and Murase, Akai et al.(2018b)Akai, Morales, and Murase, Akai et al.(2020)Akai, Hirayama, and Murase]中提出的方案，并实现了同时进行鲁棒定位、可靠性评估和快速重定位的可靠定位
2. 发布了基于ROS的新框架实现，该实现使用2D激光雷达，并作为开源软件公开

2. 问题设定

在本研究中，我们专注于移动机器人的二维定位问题。目标机器人的姿态由二维位置（$x$和$y$）和朝向角度$\theta$组成。我们假设机器人配备了二维激光雷达（LiDAR）和惯性导航系统（INS）。INS的测量数据用$u$表示，用于预测机器人姿态。LiDAR的测量数据用$z$表示，用于与表示地图的$m$进行匹配。在本工作中，我们的目标是利用$u$和$z$的序列以及$m$来估计当前机器人的姿态。此外，我们试图同时实现鲁棒的定位、可靠性估计和快速重新定位。鲁棒定位和可靠性估计通过改进的姿态跟踪算法实现，该算法将在下一小节中描述。快速重新定位通过全局定位与姿态跟踪算法的概率融合实现。

图1：姿态跟踪的图形模型

3. 姿态跟踪的图形模型

…详情请参照古月居