D-CLIPSE：基于分布式共识的被动监听共享状态交换定位

多机器人系统的精确定位是实现协同规划与控制的基础。传统的集中式滤波方法虽然理论上最优，但受限于硬件、通信和计算资源，难以在实际中部署。分散式方法虽然缓解了部分问题，但在一致性和通信效率上仍有不足。近日，来自加拿大的研究人员Kyle Biron-Gricken和James Richard Forbes在arXiv上预印本了一篇论文，提出了一种名为D-CLIPSE的新型分布式定位框架，旨在解决上述挑战。

D-CLIPSE的全称是“基于分布式共识的被动监听共享状态交换定位”（Distributed Consensus-based Localization with Passive Listening on Shared State Exchange）。该框架的核心思想是让每个机器人运行一个本地滤波器，不仅估计自身状态，还通过机器人间的通信估计邻居状态。与传统方法不同，D-CLIPSE同时共享预积分里程计数据和相关的共享状态，并采用一致性算法（consensus）来融合信息，从而在提高通信效率的同时保持估计的一致性。预积分里程计是一种将惯性测量单元（IMU）数据预先积分的技术，可以有效减少通信带宽需求。

研究团队在仿真和真实实验场景中对D-CLIPSE进行了验证。仿真实验中，他们模拟了多机器人协同探索环境，比较了D-CLIPSE与集中式卡尔曼滤波以及现有分散式方法的性能。结果表明，与当前最先进的分散式方法相比，D-CLIPSE在定位精度上接近集中式方法的性能，尤其在一致性方面表现更为突出。这意味着多个机器人能够更可靠地共享同一全局坐标系下的位置信息，为后续的协同任务提供了坚实基础。真实实验使用多个配备IMU和视觉传感器的地面机器人，在室内环境中验证了算法的有效性。

该论文已提交至IEEE Robotics and Automation Letters，共8页，包含7张图和1个表格。论文的预印本可在arXiv上获取，编号为2607.07995，提交日期为2026年7月9日。这项研究为分布式多机器人定位提供了新的思路，有望推动机器人团队在搜索救援、环境监测等领域的应用。