现代机器人算法和系统经常缺乏在未知环境中可靠操作所需的鲁棒性。由于高度重复的模式或遮挡，视觉系统无法在非结构化环境（如森林）中始终可靠地执行。

密歇根大学的计算自主性和机器人实验室（CURLY）实验室旨在设计在未知和非结构化环境中表现良好的自主机器人系统。他们的研究涵盖了自主的基本方面，如状态估计、SLAM、语义映射、运动规划、机器人控制和学习。他们还创建了开源库，并与研究出版物一起在现场进行测试。

CURLY实验室的最新项目采用了哈士奇UGV，旨在改善自主移动机器人的现状。CURLY实验室在城市环境中成功地开发了自主机器人系统（例如自动驾驶汽车和送货机器人）。然而，机器人系统在森林或山区等非结构化环境中运行时仍然面临挑战。然后，该小组专注于开发算法，使机器人系统能够在恶劣的环境中运行。这类技术将有助于搜救、急救任务和科学探索。

通过深度学习了解环境

该团队正在基于Husky UGV进行的定位和映射测试开发自己的算法，以更好地在非结构化环境中导航。映射算法试图创建一个环境的三维模型，以便机器人能够了解周围的情况。另一方面，定位任务的目标是确定机器人在三维地图中的位置。该团队的定位算法，不变扩展卡尔曼滤波器（InEKF），通过利用矩阵李群的对称性保持特性，使用IMU和速度测量来估计机器人的位置和方向。此外，他们的映射算法使用深度学习技术创建地图。该团队目前正在开发一个完整的SLAM管道，以使用多传感器数据融合提供更稳健的机器人姿态估计。

集中精力

CURLY实验室的项目主要集中在软件开发上。该团队不想投入从头开始建造机器人所需的时间、精力和资源。此外，他们的测试过程需要集成特定的传感器，这在开发机器人系统时可能很困难。相反，Husky UGV提供了一个简单的解决方案，避免了硬件开发的耗时性。

上图显示了密歇根大学MAir运动捕捉设施记录的两个轨迹序列。

绿线显示使用从车轮编码器估计的速度估计的InEKF估计轨迹，蓝线显示使用来自运动捕捉系统的速度估计InEKF结果。

高精度IMU是哈士奇UGV的重要组成部分。在视觉传感器不可用的环境中，该团队能够实现高精度和稳健的定位。此外，Husky UGV对于CURLY实验室来说足够小，可以确保学生的安全，同时也足够大，可以在非结构化环境中保持稳定性。正如助理教授Maani Ghaffari所说：

“这一点尤为重要，因为它使我们能够专注于开发自主算法，而不必担心机器人的稳定性控制。此外，Husky UGV与ROS集成，简化了算法和传感器之间的通信。”

Maani Ghaffari, Assistant Professor, University of Michigan

Husky UGV最终是坚固耐用的ROS原生解决方案，使其成为团队引人注目的平台。

参与该项目的CURLY实验室团队由林子元（Justin）、张雷（Ray Zhang）、林健儿（Cynthia）、滕桑丽（Sangli Teng）、约瑟夫·威尔逊（Joseph Wilson。

https://clearpathrobotics.com/blog/2023/02/university-of-michigan-develops-localization-algorithm-for-unstructured-environments/

要了解更多关于实验平台HUSKY的信息，请访问京天机器人网站。www.jingtianrobots.com