機器人導航新突破！更省資源的3D地圖演算法問世

走在城市街頭，你可能會遇到Starship Technologies或Kiwibot等公司開發的自動送貨機器人。這些機器人之所以能自主移動，全靠各種感測器和軟體演算法的完美配合。

目前，光達(LiDAR)感測器已成為機器人導航的標準配備。透過發射光脈衝計算物體距離，讓機器人能同時進行定位與地圖建構(SLAM)。但東北大學博士生董子豪指出，這些元件相當耗費資源，需要大量記憶體才能精確繪圖，限制了機器人的長距離運作能力。

「運作一段時間後，快取記憶體可能累積超過10到20GB的資料，」董子豪解釋，「這會造成龐大的運算負擔。」為了解決這個瓶頸，董子豪在電機與電腦工程學教授Michael Everett指導下，開發出全新的3D地圖建構方法，在某些情況下可比主流技術減少57%的資源消耗。

這項名為「深度特徵輔助光達慣性測距與地圖建構」(DFLIOM)的演算法，改良自「直接光達慣性測距與地圖建構」(DLIOM)技術。Everett教授表示，DFLIOM採用相同技術，但引入新的環境掃描方法，不僅能減少數據使用量，在某些情況下還能降低誤差。

這項研究挑戰了「數據越多效果越好」的傳統觀念。Everett教授指出：「感測器開發商總在強調他們的產品能提供比以往多10倍的數據點，但從演算法角度來看，有時我們反而擔心，因為過多數據可能超出演算法的處理能力。」

研究團隊使用配備Ouster光達、電池組和Intel NUC迷你電腦的Agile X Scout Mini移動機器人進行測試，成功在東北大學校園多處戶外區域建立3D地圖，包括Centennial Common、Egan Crossing和Shillman Hall等地點。

[end]