[論文レビュー] AstroSLAM: Autonomous Monocular Navigation in the Vicinity of a Celestial Small Body -- Theory and Experiments

Mehregan Dor, Travis Driver+2 more|arXiv (Cornell University)|Dec 1, 2022

Robotics and Sensor-Based Localization被引用数 6

ひとこと要約

AstroSLAMは、小惑星などの小規模天体付近での自律的単眼ナビゲーションを目的とした視覚ベースの要因グラフ駆動型SLAMシステムを提案する。相対的運動ダイナミクスの事前知識を組み込むために、新規のRelDyn要因を導入し、慣性、放射計測、相対的運動の事前知識を統合する。実験室および本物のミッションデータ（Dawn）において、ミリメートルレベルの軌道精度を達成し、ベースラインSLAMと比較して、姿勢推定と特徴点再構築の両面で顕著な向上を示した。

ABSTRACT

We propose AstroSLAM, a standalone vision-based solution for autonomous online navigation around an unknown target small celestial body. AstroSLAM is predicated on the formulation of the SLAM problem as an incrementally growing factor graph, facilitated by the use of the GTSAM library and the iSAM2 engine. By combining sensor fusion with orbital motion priors, we achieve improved performance over a baseline SLAM solution. We incorporate orbital motion constraints into the factor graph by devising a novel relative dynamics factor, which links the relative pose of the spacecraft to the problem of predicting trajectories stemming from the motion of the spacecraft in the vicinity of the small body. We demonstrate the excellent performance of AstroSLAM using both real legacy mission imagery and trajectory data courtesy of NASA's Planetary Data System, as well as real in-lab imagery data generated on a 3 degree-of-freedom spacecraft simulator test-bed.

研究の動機と目的

• 地上制御が高コストかつ時間がかかる小天体周辺の接近運用における自律性の欠如に対処すること。
• 長距離通信遅延とDSSリソースの高消費により、地上に依存するナビゲーションの限界を克服すること。
• リアルタイムで独立して動作するナビゲーションソリューションを開発し、単眼視覚、慣性データ、および動的制約を統合して精度を向上させること。
• 地上の事前知識を最小限に抑え、オンボード処理のみで正確な軌道推定と3次元特徴点再構築を実現すること。
• Dawnミッションデータと3自由度の宇宙船シミュレータを用いた制御された実験の両方で、システムの頑健性と精度を実証すること。

提案手法

• GTSAMライブラリとiSAM2ソルバを用いて、滑らかさを効率的に確保するための段階的成長要因グラフとしてSLAM問題を定式化する。
• 推定プロセスの起動のため、星トラッカーおよびDSN放射計測データを初期姿勢事前知識として統合する。
• 宇宙船と小天体間の相対運動ダイナミクス（太陽放射圧などの摂動を含む）を符号化する新規のRelDyn要因を導入する。
• 単眼カメラ、慣性センサ、放射計測追跡からの非同期測定値を統合的確率推定フレームワークに統合する。
• 状態推定の滑らかさと収束性を向上させるために、動的要因と測定値の確率的ノイズをモデル化する。
• シミュレートされた宇宙船の運動とカメラの姿勢の真値を用いて、ミリメートル精度のベンチマークと比較して性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 地上制御に依存しない、オンボードで動作する視覚ベースのSLAMシステムは、小天体付近で高精度な自律ナビゲーションを達成できるか？
• RQ2 低重力で摂動が存在する環境下で、相対的運動の事前知識を組み込むことで、標準SLAMと比較してナビゲーション精度がどの程度向上するか？
• RQ3 多様なセンサモダリティと動的制約を統合した要因グラフ定式化は、軌道の滑らかさと特徴点再構築にどの程度寄与するか？
• RQ4 照明の変動や動的摂動を含む現実的なミッション条件において、システムの性能はどのようにスケーリングするか？
• RQ5 小天体の重力場および自転パラメータの事前知識を最小限に抑え、オンボード処理のみで高精度を維持できるか？

主な発見

• ASTROS宇宙船シミュレータを用いた実験室実験では、AstroSLAMがミリメートルレベルの軌道精度を達成した。RelDyn要因を組み込むことで、姿勢誤差が顕著に低減された。
• RelDyn要因の導入により、横方向位置誤差が大幅に低減され、単眼SLAMにおけるドリフトを是正するための動的事前知識の有効性が実証された。
• Dawnミッションデータにおいて、AstroSLAMは既存手法と同等のベースライン性能を示したが、動的事前知識を組み込むことで、特徴点マップ再構築と姿勢推定精度が顕著に向上した。
• システムは非同期センサデータと変動する照明条件に対しても頑健であり、実環境およびシミュレーション環境の両方で安定した収束を示した。
• 定量的評価から、動的要因と測定値のノイズの適切な確率的モデリングが、最適な滑らかさと推定精度を達成するために不可欠であることが示された。
• 要因グラフフレームワークにより、複数のセンサモダリティと制約のシームレスな統合が可能となり、今後の小天体の物性パrameterの現地推定を支援する基盤が整った。