@techreport{oai:ipsj.ixsq.nii.ac.jp:00217140,
 author = {瀧下, 創 and 和, 遠 and 近藤, 正章 and 天野, 英晴 and Hajime, Takishita and He, Yuan and Masaaki, Kondo and Hideharu, Amano},
 issue = {52},
 month = {Mar},
 note = {ロボットによる自動清掃や狭所での救助など，ロボットの自律稼働には，センシングによる周辺環境地図の推定と自己位置の推定が必要である．周辺環境推定と自己位置推定を同時に行う SLAM は，これらのアプリケーションを実行するために必要不可欠となる．SLAM 手法の中でも，観測情報をグラフ化したデータを用いた SLAM バックエンド処理を行うアルゴリズムが，Graph-Based SLAM である．Graph-Based SLAM は観測データの蓄積を用いる完全 SLAM に分類され，直近の観測データのみを用いて行うオンライン SLAM に比べて高い精度で推定姿勢と周辺環境を推定可能だが，環境規模と観測時間の増大に従って計算時間が極めて大きくなる点が問題となる．SLAM のバックエンド処理を効率良く行うために MEC の利用が考えられる．MEC はエッジ端末とクラウドの中間的な計算環境として，エッジ端末の高負荷な計算を代替するものである．MEC 用に設計された Zynq ボード「M-KUBOS」は，価格対性能比に優れた FPGA ボードであり，ソフトウェアプラットフォーム PYNQ と GTH シリアルリンクを用いることで FPGA クラスタを構成することが可能である．本研究では M-KUBOS 上に Graph-Based SLAM を実装し，ソフトウェア実装と比較しての費用対効果の向上と電力効率の増加を目指す．Vivado HLS で作成した Graph-Based SLAM の IP を，Vivado を用いて配置配線することで，M-KUBOS ボードのプログラマブルロジック上に実装した場合と，ホスト CPU のソフトウェアとして実行した場合について，実行時間と電力の比較を行った．その結果，本実装ではホスト CPU に対して 10.05 倍の高速化が達成された．また，消費エネルギーにおいては，ホスト CPU の 7.45 倍の効率を達成できた．},
 title = {Graph-Based SLAMのFPGAによる高速化の検討},
 year = {2022}
}