Nuevo enfoque para optimizar la exploración y la calidad del mapeo en sistemas Active SLAM

Investigadores de la línea de Sensores y Procesamiento de Señales del Instituto de Automática (INAUT, CONICET–UNSJ), en colaboración con el Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas (CIFASIS), publicaron un nuevo trabajo científico que propone un enfoque innovador para mejorar la exploración y la evaluación de la calidad del mapeo en sistemas Active SLAM.

El artículo, titulado “Optimizing exploration with a new uncertainty framework for active SLAM systems”, aborda uno de los principales desafíos de los sistemas de localización y mapeo simultáneo: determinar cuán confiable es un mapa tridimensional cuando no se dispone de una referencia perfecta del entorno, conocida como ground truth.

El estudio propone un nuevo marco para modelar la incertidumbre del mapa, centrado en la optimización de la trayectoria del agente explorador. A diferencia de enfoques tradicionales, esta metodología permite evaluar simultáneamente la cobertura del entorno y el nivel de incertidumbre asociado a la reconstrucción, proporcionando criterios claros tanto para la exploración como para la finalización del proceso de mapeo.

Entre los aportes principales se destacan dos herramientas novedosas. Por un lado, el Uncertainty Map (UM), que modela la incertidumbre espacial del mapa mediante distribuciones de probabilidad y permite definir Fronteras de Incertidumbre (Uncertainty Frontiers, UF). Estas fronteras funcionan como objetivos de exploración y como criterios de parada para el sistema. Por otro lado, se introduce la Signed Relative Entropy (SiREn), una métrica basada en la divergencia de Kullback-Leibler que cuantifica, con un único parámetro interpretable, tanto la cobertura como la incertidumbre del mapa.

Una de las características más relevantes del enfoque propuesto es su independencia del sistema SLAM utilizado, ya que solo requiere estimaciones de incertidumbre. Esto lo hace compatible con distintos tipos de sensores, como cámaras, sistemas LiDAR y esquemas de fusión sensorial. Además, la integración del modelo de incertidumbre con un sistema de planificación basado en UF permite al agente explorar de manera autónoma espacios abiertos, un comportamiento poco reportado en la literatura previa de Active SLAM.

El trabajo también pone énfasis en la interpretabilidad del modelo, un aspecto clave para la toma de decisiones en sistemas autónomos, al evitar el uso de parámetros heurísticos difíciles de justificar y reemplazarlos por métricas directamente relacionadas con la calidad del mapa.

El código fuente y los detalles de implementación fueron desarrollados como un nodo en el Robot Operating System (ROS) y se encuentran disponibles de manera abierta, junto con los datos generados, lo que facilita la reproducibilidad y adopción del enfoque por parte de la comunidad científica.

Este nuevo aporte refuerza el compromiso del INAUT y el CIFASIS con el desarrollo de herramientas abiertas y rigurosas para la robótica autónoma, contribuyendo a mejorar la precisión, confiabilidad y autonomía de los sistemas de exploración y mapeo.