Pollen Robotics在Microduck技术文章中介绍,这款机器人结合64点深度感知与腿部里程计,在机载处理器上完成建图和重定位。团队报告,搬运1.46米后的一次重定位误差为2厘米;这一结果来自特定测试,系统目前仍面向单个房间。

官方关联文章卡片将这篇SLAM技术文章标注为2026年10月23日。SLAM即同时定位与建图:机器人一边记录周围环境,一边判断自己在地图中的位置。

Microduck用来建图的传感器视野很有限。据团队介绍,头部的VL53L5CX飞行时间深度传感器每秒提供15组测量,每组为8×8、共64个距离值,覆盖前方45°锥形视野,约1米以内的距离才可靠。

腿部里程计补上了运动信息。团队介绍,它以脚底接触点为锚点,通过腿部关节角和惯性测量单元提供的身体姿态,估计躯干位置。但机器人被抱起搬走后,仅靠脚部运动无法知道自己去了哪里,系统需要重新识别房间。

据团队介绍,建图与重定位服务mapd和行走策略一起运行在Rockchip RK3566的四核Cortex-A55上,无需笔记本电脑或云端参与,地图在关机后仍会保留。

有限的感知也带来了匹配歧义。团队发现,一小片墙面即使沿墙错开30厘米,仍可能得到95%的匹配评分。因此,正常跟踪时,系统只接受距离里程计预测位置不超过10厘米、朝向差不超过3°的局部匹配。

重定位采用另一套确认过程。团队介绍,机器人行走时,建图器跟随里程计;静止半秒后,才开始收集深度帧,直到再次移动,将这些观测合成一个局部地图关键帧。定位丢失后,系统在每次停步时搜索整张地图,至少需要相隔数秒的两次停步观测一致;若有多个相近候选,则等待后续观测消除歧义。

这也限定了“2厘米”结果的含义。团队报告,在同一段测试中,坐姿搬运1.54米后的另一次重定位误差为11厘米。系统需要在停步后积累观测,单次恢复结果不能代表持续定位精度。

团队称,录制数据已在Hugging Face的SLAM_JJ_Salon_with_GT数据集公开,包含头部相机视频,可供其他SLAM方法与同一参考真值比较。

从这份技术复盘看,值得关注的是有限观测如何与运动估计配合,以及系统何时接受或暂缓一次定位判断。它的适用边界仍然明确:团队披露,在地图未覆盖的新房间里,两次停步也曾共同确认错误位置;未知房间识别、多房间地图和自主探索仍是后续工作。

参考来源: