MicroDuck SLAM: dados e limites da odometria

O que há de novo e qual versão descreve?

A Pollen Robotics publicou notas de engenharia odometria e SLAM em 23 de outubro de 2026. Seu autor é Antoine Pirrone. O conjunto de dados de repetição foi produzido em 14 de outubro; ele foi conectado recentemente aqui, não foi registrado recentemente. O daemon estável oficial permanece 0.17.8. O conjunto de dados nomeia a linha de base de repetição maploc-v2 separada 34b106c ; não trate o blog como um comando de atualização.

O movimento relativo e um mapa da sala respondem a questões diferentes

Odometria de contato combina geometria da articulação da perna com orientação IMU. Ele estima o movimento relativo à inicialização, de modo que um robô carregado pode perder sua posição na sala. O mapeador adiciona observações ToF de curto alcance e correspondências nas paradas; sua câmera não é a entrada do mapeamento. A câmera externa e as tags de chão pertencem ao equipamento de avaliação. Esta distinção é importante ao selecionar uma gravação ou diagnosticar uma trilha flutuante.

O relatório de odometria mede 20 trechos de caminhada, 47,5 m total : mediana de erro de ponto final 5,7 cm, pior 11,8 cm. Sua porcentagem mediana por trecho é 2,9%, enquanto o erro total dividido pela distância total é 2,4%. Nenhum dos números é uma garantia de precisão absoluta da sala. Esses números de odometria vêm da avaliação separada do blog, e não de um recálculo das métricas de reprodução armazenadas abaixo.

Precisão de leitura junto com cobertura

O cartão de conjunto de dados fixo e suas métricas s2 originais / métricas s3 descrevem um robô alfa, política velstand, conduzido com um bloco em uma sala de estar.

A última linha está condicionada ao tempo de rastreamento. Isso não significa 99% ou 94% de toda a gravação. O relatório SLAM também descreve falha em sala desconhecida e períodos perdidos mais longos sem paradas; a exploração autônoma de várias salas continua sendo um trabalho futuro.

Inicie uma revisão de repetição sem um robô

1. Abra a árvore do conjunto de dados fixado. Mantenha rig.toml, room/, a sessão escolhida, seu film/track.csv e ground_truth/clock.json juntos. Estado/ToF, câmera e verdade externa usam campos de carimbo de data/hora diferentes; o ajuste do relógio fornecido os conecta.
2. Leia sessions/s2/baselines/maploc/report/report.md antes de comparar um replay personalizado. As coordenadas são metros, o mundo z está acima e os quatérnios são [w,x,y,z].
3. Combine a fonte de repetição 34b106c e o instantâneo code/maploc_truth incluído. O conjunto de dados documenta esses dois comandos em seus respectivos diretórios de projeto; ajuste apenas o caminho do conjunto de dados. Eles são comandos de referência, não uma execução realizada por este site.

# From the fixed microduck checkout; replace this absolute path
SLAM_DATA="/absolute/path/SLAM_JJ_Salon_with_GT"
cargo run -p maploc --release --example replay -- "$SLAM_DATA/sessions/s3/session/20261014-172242-graphite-bang" --export "$SLAM_DATA/run.json" --grids
# Then enter the bundled toolkit and complete its documented setup
cd "$SLAM_DATA/code/maploc_truth"
uv run mtruth --rig "$SLAM_DATA/rig.toml" evaluate "$SLAM_DATA/sessions/s3/session/20261014-172242-graphite-bang" --track "$SLAM_DATA/sessions/s3/film/track.csv" --room "$SLAM_DATA/room" --replay "$SLAM_DATA/run.json" --out "$SLAM_DATA/report"

Mantenha os eventos de perda/recuperação ao lado da posição e das pontuações do mapa. Este site lê o cartão fixo, código e pequenos arquivos de métricas; ele não baixou as gravações completas, não compilou o replay, não reproduziu pontuações nem testou o hardware. O conjunto de dados está marcado como Apache-2.0. Uma construção HD1910 pessoal precisa de suas próprias transformações de sensor e contrato de tempo de execução: consulte as notas de origem da réplica e Etapas de compatibilidade DIY.

Para onde ir a seguir.