[論文レビュー] Comparison of Dynamic and Kinematic Model Driven Extended Kalman Filters (EKF) for the Localization of Autonomous Underwater Vehicles

Sharan Balasubramanian, Ayush Rajput+3 more|arXiv (Cornell University)|May 25, 2021

Underwater Vehicles and Communication Systems被引用数 4

ひとこと要約

本稿では、力とモーメント方程式に基づいて導出された簡略化された4自由度の動的モデルを用いて、自律水中ビークル（AUV）の局所化精度を向上させる動的モデル駆動型拡張カルマンフィルタ（EKF）を提案する。UUVSim環境を用いたシミュレーション評価において、動的EKFはすべてのテスト経路で運動学的EKFを上回り、特に複雑な運動において顕著に低い位置誤差を示した。これは、動的モデルを組み込むことで、水中航行における状態推定の精度と安定性が向上することを示している。

ABSTRACT

Autonomous Underwater Vehicles (AUVs) and Remotely Operated Vehicles (ROVs) are used for a wide variety of missions related to exploration and scientific research. Successful navigation by these systems requires a good localization system. Kalman filter based localization techniques have been prevalent since the early 1960s and extensive research has been carried out using them, both in development and in design. It has been found that the use of a dynamic model (instead of a kinematic model) in the Kalman filter can lead to more accurate predictions, as the dynamic model takes the forces acting on the AUV into account. Presented in this paper is a motion-predictive extended Kalman filter (EKF) for AUVs using a simplified dynamic model. The dynamic model is derived first and then it was simplified for a RexROV, a type of submarine vehicle used in simple underwater exploration, inspection of subsea structures, pipelines and shipwrecks. The filter was implemented with a simulated vehicle in an open-source marine vehicle simulator called UUV Simulator and the results were compared with the ground truth. The results show good prediction accuracy for the dynamic filter, though improvements are needed before the EKF can be used on real-time. Some perspective and discussion on practical implementation is presented to show the next steps needed for this concept.

研究の動機と目的

• EKFに基づく状態推定において、従来の運動学的モデルに代えて動的モデルを導入することで、AUVの局所化精度を向上させること。
• RexROV型AUVのための4自由度の動的モデルを導出し、簡略化することで計算コストを低減しつつ予測精度を維持すること。
• さまざまな航行シナリオ下でのシミュレーションにおいて、動的EKFと運動学的EKFの性能を評価すること。
• モデルベースの局所化における実時間実装の基盤を提供するため、実用的課題と感度要因を同定すること。
• GPSが利用できない水中環境において、GPSの代替センサ（DVLやSONARSLAM）を用いた実現可能性を検討すること。

提案手法

• ニュートン・オイラー方程式に基づき、推力、抗力、重力などを含む力とモーメントを考慮した水中ビークルの6自由度の動的モデルを導出する。
• ビークルの安定性と運用制約に基づき、影響が小さい自由度（例：ロールおよびピッチ）を除外することで、6自由度モデルを4自由度の動的モデルに簡略化する。
• 簡略化された動的モデルを拡張カルマンフィルタ（EKF）に統合し、リアルタイムの状態予測を実現する。IMU、DVL、およびシミュレーテッドGPSデータを測定値として使用する。
• 一貫した経路テストが可能なよう、UUVSimシミュレーション環境で純粋なパursuit制御を実装し、ウェイポイント追従の指令を生成する。
• 線形化されたシステムダイナミクスと測定モデルを用いてEKFの予測と補正ステップを適用し、プロセスノイズ行列と測定ノイズ行列を最適化して耐障害性を確保する。
• 複数のテスト経路（直線、ジグザグ、U字型）を用いて、動的EKFと運動学的EKFの出力を真値位置と比較することで、モデルの妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 複雑な水中軌道を走行するAUVにおいて、EKFに動的モデルを組み込むことで、運動学的モデルに比べて局所化精度が向上するか？
• RQ2 簡略化された4自由度の動的モデルは、完全な6自由度モデルと比較して、計算効率と推定精度の両面で優れているか？
• RQ3 加速や旋回を伴う同時多軸運動（x軸およびy軸）において、動的EKFは運動学的EKFよりも効果的に対応できるか？
• RQ4 運動学的EKFの主な誤差要因は何か？そして、動的EKFはそれらをどのように是正しているか？
• RQ5 物理的AUVのリアルタイムハードウェアに動的EKFを実装するにあたり、解決すべき実用的課題は何か？

主な発見

• 直線走行テストでは、動的EKFの総位置誤差は0.1659mであったのに対し、運動学的EKFは0.2482mであり、誤差は33％低減した。
• ジグザグ走行テストでは、動的EKFの誤差はx軸で0.1213m、y軸で0.39145mにまで低減した。これに対して運動学的EKFはそれぞれ0.3682mおよび4.336mであり、顕著に優れた性能を示した。
• U字型経路走行テストでは、動的EKFの総誤差は0.0738mであったのに対し、運動学的EKFは0.1965mに達し、複雑な運動における収束性と安定性に優れた性能を発揮した。
• 動的EKFはすべてのテストケースで一貫した性能を示し、最小限の発散を示した。一方、運動学的EKFは急な旋回や加速時に特にy軸で大きな誤差を示した。
• 動的モデルは、特にx軸およびy軸の同時運動において、ビークルの非線形挙動を効果的に捉えており、運動学的モデルでは軌道変化を正確に予測できなかった。
• 本研究は、動的モデルが推定のずれを低減し、センサノイズや動的運動に対してより耐性を持つことを確認した。これにより、AUVの局所化において動的モデルを運動学的モデルよりも優先して使用する根拠が得られた。