[論文レビュー] Decentralized Cooperative Localization for Multi-Robot Systems with Asynchronous Sensor Fusion

Nivand Khosravi, Niusha Khosravi+2 more|University of Birmingham Research Portal (University of Birmingham)|Mar 12, 2026

Robotics and Sensor-Based Localization被引用数 0

ひとこと要約

この論文は、GPSが利用できない環境で二つの非完 Kot? nonholonomic ロボットのための分散型EKFフレームワークを提案し、非同期センサフュージョン、交差共分散の維持、二重のランドマーク（静的特徴と動的ロボット）を用いて、中央集権的手法と比較して局所化精度を向上させる。

ABSTRACT

Decentralized cooperative localization (DCL) is a promising approach for nonholonomic mobile robots operating in GPS-denied environments with limited communication infrastructure. This paper presents a DCL framework in which each robot performs localization locally using an Extended Kalman Filter, while sharing measurement information during update stages only when communication links are available and companion robots are successfully detected by LiDAR. The framework preserves cross-correlation consistency among robot state estimates while handling asynchronous sensor data with heterogeneous sampling rates and accommodating accelerations during dynamic maneuvers. Unlike methods that require pre-aligned coordinate systems, the proposed approach allows robots to initialize with arbitrary reference-frame orientations and achieves automatic alignment through transformation matrices in both the prediction and update stages. To improve robustness in feature-sparse environments, we introduce a dual-landmark evaluation framework that exploits both static environmental features and mobile robots as dynamic landmarks. The proposed framework enables reliable detection and feature extraction during sharp turns, while prediction accuracy is improved through information sharing from mutual observations. Experimental results in both Gazebo simulation and real-world basement environments show that DCL outperforms centralized cooperative localization (CCL), achieving a 34% reduction in RMSE, while the dual-landmark variant yields an improvement of 56%. These results demonstrate the applicability of DCL to challenging domains such as enclosed spaces, underwater environments, and feature-sparse terrains where conventional localization methods are ineffective.

研究の動機と目的

• グローバル座標系の整合なしに、交差共分散の整合性をオンラインで維持しつつ、GPS欠落環境での分散型協調自己位置推定（DCL）の精度を向上させる。
• 異種センサが異なるレートでデータを非同期に返す場合でも、グローバル座標整合を必要とせず対処する。
• 静的特徴と動的ロボットをビaconとして組み合わせた二重ランドマーク戦略により、特徴の少ない環境での可観測性を向上させる。
• シミュレーションと実機実験を通じて、通信断続性と非完結運動下での頑健性と帯域効率を示す。

提案手法

• イベントトリガ型でコンパクトな情報共有を介し、相互観測時に交差共分散を完全に維持する分散型EKF。
• 変換マトリクスをモデルに埋め込み、任意のフレーム整合を可能にする測定モデル。
• ROSのmessage_filtersを用いた時刻スタンプベースのバッファリングによる非同期センサフュージョン（6 Hzオドメトリと10 Hz LiDARデータを整合）。
• Adaptive Breakpoint Detector（ABD）を用いた適応的特徴抽出による頑健なLiDARセグメンテーションとランドマーク抽出。
• 二重ランドマーク戦略：Robot 1が静的ランドマークを観測し、Robot 2を動的ランドマークとして扱うことで、特徴の少ない場面でも継続的な可観測性を確保。
• Gazeboシミュレーションと地下室実験で、DCL、DCL-LM、CCL、デッドレコニングを通信断続下で比較。

実験結果

リサーチクエスチョン

• RQ1 分散型EKFは相互観測時にのみ情報を交換しても交差共分散の整合性を維持できるか。
• RQ2 変換対応の測定を伴う非同期センサフュージョンは、グローバルフレーム整合なしでも推定精度を保持できるか。
• RQ3 二重ランドマークアプローチは、単一測定戦略と比較して特徴の少ない環境での可観測性を改善しドリフトを低減するか。
• RQ4 DCLは現実的な通信障害環境下で中央協調自己位置推定と比較してどうか。

主な発見

Robot	Metric	Method	DCL	DCL-LM	CCL	DR
Robot 1	RMSE X (m)		0.037	0.025	0.056	0.152
Robot 1	RMSE Y (m)		0.053	0.031	0.070	0.181
Robot 1	Var X (m^2)		0.0054	0.0029	0.0178	0.0927
Robot 1	Var Y (m^2)		0.0149	0.0041	0.0349	0.1338
Robot 1	Max Err X (m)		0.087	0.056	0.129	0.268
Robot 1	Max Err Y (m)		0.132	0.092	0.196	0.528
Robot 2	RMSE X (m)		0.041	0.024	0.062	0.125
Robot 2	RMSE Y (m)		0.056	0.045	0.075	0.298
Robot 2	Var X (m^2)		0.0063	0.0026	0.0184	0.0885
Robot 2	Var Y (m^2)		0.0112	0.0050	0.0386	0.3050
Robot 2	Max Err X (m)		0.098	0.058	0.128	0.253
Robot 2	Max Err Y (m)		0.162	0.119	0.201	0.559

• DCLは中央協調自己位置推定（CCL）よりRMSEを34%削減。
• 二重ランドマーク（DCL-LM）は、CCLに対して最大で56%のRMSE改善を示す。
• 実世界の地下室実験では、DCLの両バリアントが複数の指標で中央集権とデッドレコニングベースを上回る。
• 静的特徴が利用可能な場合はDCL-LMが最も高精度を示し、マップ特徴が乏しい場合はDCLが有利。
• 間欠的な視認性と接続性の下で、フレームワークは優雅に劣化し、相互観測時に船上でのタイムリーな補正を提供。