[論文レビュー] A partially decentralized EKF scheme for cooperative localization over unreliable communication links.

Solmaz S. Kia, Sonia Martı́nez|arXiv (Cornell University)|Aug 1, 2016

Indoor and Outdoor Localization Technologies参考文献 18被引用数 3

ひとこと要約

この論文は、限られたオンボードリソースを持つマルチロボットシステムにおける協調位置決めのための部分的に分散型拡張カルマンフィルタ（EKF）を提案する。ロボットは個々の状態推定値を維持し、測定更新時のみ中央単位と通信するため、チームサイズに対して1ロボットあたりの計算コストをO(1)に低減する。この手法は線形システムにおいて通信障害が発生しても最小分散推定を保証し、非線形ケースではサブオプティマルだが安定した解を提供する。

ABSTRACT

This paper reports a partially decentralized implementation of an Extended Kalman filter for the cooperative localization of a team of mobile robots with limited onboard resources. Unlike a fully centralized scheme that requires, at each timestep, information from the entire team to be gathered together and be processed by a single device, our algorithm only requires that the robots communicate with a central command unit at the time of a measurement update. Every robot only needs to propagate and update its own state estimate, while the central command unit maintains track of cross-covariances. Therefore, the computational and storage cost per robot in terms of the size of the team is of order O(1). Moreover, when the system model is linear the algorithm is robust to occasional in-network communication link failures while the updated estimates of the robots receiving the update message are of minimum variance at that given timestep. For problems with nonlinear robot models, our algorithm under message drop-out provides a suboptimal solutions because of the linearization approximation similar to the Extended Kalman filter model. We demonstrate the performance of the algorithm in simulation.

研究の動機と目的

• マルチロボット協調位置決めにおける完全に集中型EKF方式の高い計算および通信負荷を軽減すること。
• チームサイズに関して1ロボットあたりの計算および記憶コストをO(1)に低減すること。
• 特に線形システムモデルにおいて、信頼性の低い通信回線下でもロバストな位置決めを可能にすること。
• リソース制約のある移動型ロボットが協調位置決めタスクを実行する際にスケーラブルな解決策を提供すること。
• 一時的なメッセージ損失があっても、中央集権的な相互共分散管理手法により推定精度を維持すること。

提案手法

• 各ロボットが自らの状態推定値を独立して予測・更新する部分的に分散型EKFを実装する。
• 中央制御ユニットがすべてのロボット間の相互共分散を維持・更新することで、1ロボットあたりの計算負荷を低減する。
• 通信を測定更新の瞬間に限定することで、個々のロボットの帯域幅および処理負荷を最小限に抑える。
• 非線形システムモデルに対しては、拡張カルマンフィルタフレームワークを用いて線形化を適用する。
• システムモデルが線形の場合、メッセージ損失が発生しても更新された推定値が最小分散となることを保証する。
• 推定値の整合性を保ちながら、線形ケースにおける推定最適性を維持するための中央集権的融合メカニズムを用いる。

実験結果

リサーチクエスチョン

• RQ1 部分的に分散型EKFは、チームサイズに関して1ロボットあたりの計算および記憶コストをO(1)に低減しつつ、推定精度を維持できるか？
• RQ2 通信リンクの途切れが生じる状況下でも、特に線形システムモデルにおいてアルゴリズムはどのように動作するか？
• RQ3 非線形ロボット運動および測定モデルにおける線形化誤差が、推定性能に与える影響は何か？
• RQ4 中央制御ユニットは相互共分散情報を維持でき、チーム全体の状態推定の一貫性を確保できるか？
• RQ5 本手法はメッセージ損失に強く、線形システムでは最小分散推定を提供し続けることができるか？

主な発見

• アルゴリズムは、チームサイズに関して1ロボットあたりの計算および記憶コストをO(1)に達成し、リソース要件を顕著に低減した。
• 線形システムモデルでは、通信リンクの途切れが発生しても、最小分散推定を提供する。
• 非線形モデルでは、線形化誤差のためサブオプティマルな解が得られるが、これは標準EKFと同様の特性である。
• 中央制御ユニットは相互共分散情報を効果的に維持でき、ロボットチーム全体における一貫性のある状態推定を可能にした。
• シミュレーション結果から、現実的な通信制約下でも安定的かつ高精度な協調位置決め性能が確認された。
• 本手法はスケーラブルであり、処理能力およびメモリリソースが限られた移動型ロボットへの実装に実用的である。