受鼠类海马体启发，实现低成本水上无人机定位与建图。
Bioinspired SLAM Approach for Unmanned Surface Vehicle
- 模仿老鼠大脑机制，用视觉惯性数据实现低算力定位
- 在水道数据集上轨迹误差符合多数机器人应用要求
- 首次将鼠类导航模型用于水面无人艇，适合室内外复杂环境
本文提出 OpenRatSLAM2，是基于啮齿类动物海马体计算模型的生物启发式 SLAM 框架的新版本。该系统采用视觉-惯性融合方式，在无需 GPS 的环境下实现低计算成本的定位与建图。主要贡献包括基于 ROS2 的系统架构、在新水道数据集上的实验结果，以及对系统参数调优的深入分析。这是首个将 RatSLAM 应用于水上无人艇（USV）的研究。通过 Hausdorff 距离与真实轨迹对比，结果表明算法可生成满足大多数机器人应用需求的半度量地图。
原文摘要 · Abstract (English)
This paper presents OpenRatSLAM2, a new version of OpenRatSLAM - a bioinspired SLAM framework based on computational models of the rodent hippocampus. OpenRatSLAM2 delivers low-computation-cost visual-inertial based SLAM, suitable for GPS-denied environments. Our contributions include a ROS2-based architecture, experimental results on new waterway datasets, and insights into system parameter tuning. This work represents the first known application of RatSLAM on USVs. The estimated trajectory was compared with ground truth data using the Hausdorff distance. The results show that the algorithm can generate a semimetric map with an error margin acceptable for most robotic applications.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。