D-CLIPSE：基於分散式共識的被動監聽共享狀態交換定位

多機器人系統的精確定位是實現協同規劃與控制的基礎。傳統的集中式濾波方法雖然理論上最優，但受限於硬體、通訊和計算資源，難以在實際中部署。分散式方法雖然緩解了部分問題，但在一致性和通訊效率上仍有不足。近日，來自加拿大的研究人員Kyle Biron-Gricken和James Richard Forbes在arXiv上預印本了一篇論文，提出了一種名為D-CLIPSE的新型分散式定位框架，旨在解決上述挑戰。

D-CLIPSE的全稱是“基於分散式共識的被動監聽共享狀態交換定位”（Distributed Consensus-based Localization with Passive Listening on Shared State Exchange）。該框架的核心思想是讓每個機器人執行一個本地濾波器，不僅估計自身狀態，還透過機器人間的通訊估計鄰居狀態。與傳統方法不同，D-CLIPSE同時共享預積分里程計資料和相關的共享狀態，並採用一致性演算法（consensus）來融合資訊，從而在提高通訊效率的同時保持估計的一致性。預積分里程計是一種將慣性測量單元（IMU）資料預先積分的技術，可以有效減少通訊頻寬需求。

研究團隊在模擬和真實實驗場景中對D-CLIPSE進行了驗證。模擬實驗中，他們模擬了多機器人協同探索環境，比較了D-CLIPSE與集中式卡爾曼濾波以及現有分散式方法的效能。結果表明，與當前最先進的分散式方法相比，D-CLIPSE在定位精度上接近集中式方法的效能，尤其在一致性方面表現更為突出。這意味著多個機器人能夠更可靠地共享同一全域性座標系下的位置資訊，為後續的協同任務提供了堅實基礎。真實實驗使用多個配備IMU和視覺感測器的地面機器人，在室內環境中驗證了演算法的有效性。

該論文已提交至IEEE Robotics and Automation Letters，共8頁，包含7張圖和1個表格。論文的預印本可在arXiv上獲取，編號為2607.07995，提交日期為2026年7月9日。這項研究為分散式多機器人定位提供了新的思路，有望推動機器人團隊在搜尋救援、環境監測等領域的應用。