Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems

Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems｜Yulun Tian, Yun Chang, Fernando Herrera Arias, Carlos Nieto-Granda, Jonathan P. How, Luca Carlone · MIT SPARK Lab · IEEE Transactions on Robotics 38(4), pp.2022–2038 · 2022 · 原文

这篇论文在回答什么问题

多机协同建图长期被三个要求撕扯：鲁棒（外观相似的场景会产生大量错误回环，即感知混叠 perceptual aliasing）、去中心化（不能依赖中心服务器，否则通信与算力瓶颈会限制团队规模）、以及地图信息量（不只要轨迹，还要能被任务层使用的稠密语义地图）。此前的系统总是牺牲其中一到两项。Kimera-Multi 是第一个同时满足三者的多机 SLAM 方案：能识别并剔除错误的机间与机内回环；完全分布式、只依赖点对点通信；并实时构建全局一致的度量—语义三维网格，网格面片带语义标签。

系统架构

系统由四个模块构成：

• 本地 Kimera：每台机器人独立运行 Kimera-VIO 做视觉惯性里程计，Kimera-Semantics 做稠密语义三维网格。
• 分布式回环检测：机器人之间交换基于 ORB 特征的 DBoW2 词袋描述子；匹配分数超过阈值（≥0.1）后，用 Nistér 五点法与 Arun 三点法配合 RANSAC 做几何验证。这一前端需要直接的点对点通信。
• 鲁棒分布式位姿图优化（D-GNC）：本文的核心贡献，见下节。
• 局部网格优化：轨迹精化完成后，各机用锚定在关键帧位姿上的形变图（deformation graph）局部形变自己的网格，在最小化关键帧—位姿偏差与网格边约束的同时保持语义标签与局部刚性。

核心方法：D-GNC + RBCD

分布式渐进非凸（Distributed Graduated Non-Convexity）分两阶段：

• 阶段一 · 鲁棒初始化：在机间回环上用基于 GNC 的位姿平均计算相对坐标系变换，跨机器人构建一棵生成树完成全局坐标对齐，且无需迭代通信。
• 阶段二 · 分布式 PGO：以黎曼块坐标下降（RBCD）为求解主力，交替执行三步——变量更新（RBCD 用加权最小二乘精化轨迹，默认 15 次迭代）、权重更新（截断最小二乘，逐残差独立计算，因此天然可分布）、控制参数 μ 递增以逐步恢复非凸性。

通信主要发生在描述子交换、几何验证的特征描述子传输、机间回环的权重更新，以及 RBCD 迭代中与邻居交换位姿这四处。

关键结论

• 鲁棒性显著优于 PCM：在10%–70% 的外点回环比例下，D-GNC 一致优于成对一致性最大化（PCM）基线，而这正是真实多机部署中的常态区间。
• 分布式并不牺牲精度：绝对轨迹误差（ATE）与集中式 GNC 相当，同时保持完全分布式。
• 通信量大幅下降：在 EuRoC Vicon Room 2 上共消耗 24.4 MB（词袋 9.5 MB + 几何验证 10.2 MB + DPGO 2.7 MB），而集中式关键点方案需 83.9 MB，约减少 70%。
• 语义地图质量可用：局部网格优化后网格精度提升，语义标签准确率达 95%–98%。
• 验证规模真实：3 个逼真仿真场景（Medfield、City、Camp）、3 段真实室内序列（EuRoC Vicon Room 1/2、5 台机器人的 Machine Hall）、2 个大规模室外数据集（Medfield State Hospital、MIT Stata Center，各 3 台机器人）；轨迹长度跨度 211–5088 m，室外实验三机累计约 2396 m。
• 模块可裁剪：可关闭语义重建或网格生成，退化为纯轨迹或纯度量模式。

它指出的开放问题

• 假设通信持续可用：论文明确承认当前实现未测试间歇通信场景，而这恰是野外多机部署的常态。
• 大位姿图上的收敛耗时：完全收敛需约 50 秒以上，早停可缓解但会损失精度。
• 机器人数量增加时的通信收益下降：Machine Hall 场景中 5 台机器人配合较松的回环阈值，通信优势明显缩小。
• 前端仍有优化空间：作者指出可引入更新的通信高效分布式地点识别与几何验证方法。

为什么值得读

在「分布式集群」这个主题里，SLAM 是最能体现去中心化代价的子问题：一旦拿掉中心服务器，鲁棒估计、外点剔除与通信效率都要重做。Kimera-Multi 是这条线上被引用最多、也最完整的开源参考实现，且发表在机器人领域最高规格的期刊 IEEE T-RO，作者是 Luca Carlone 与 Jonathan How 两个组。适合两类读者：做多机感知的研究者，可以直接把 D-GNC/RBCD 作为鲁棒分布式优化的标准工具；做集群系统的工程师，可以用它的通信预算数据来估算自己方案的带宽需求。想看它在真实野外长时间部署中的表现与踩过的坑，应接着读同组 2023 年的《Resilient and Distributed Multi-Robot Visual SLAM: Datasets, Experiments, and Lessons Learned》。

原文链接

• arXiv:2106.14386 预印本全文
• Resilient and Distributed Multi-Robot Visual SLAM（arXiv:2304.04362）
• MIT-SPARK/Kimera-Multi 开源仓库