[論文レビュー] Fully Onboard SLAM for Distributed Mapping with a Swarm of Nano-Drones

Carl Friess, Vlad Niculescu+3 more|arXiv (Cornell University)|Sep 7, 2023

UAV Applications and Optimization被引用数 1

ひとこと要約

本論文では、192 kBのARM Cortex-Mマイコンに最適化された軽量なICP/SLAMアルゴリズムを用いて、4台の64ピクセル深度センサ（VL53L5CX）を搭載したナノドローンの群れにおいて、完全にオンボードで動作するSLAMシステムを提示している。本システムは最大4台のドローンで12 cmのマッピング精度をリアルタイムで達成し、20台のドローンにおいてもマッピング時間と通信帯域幅の面で線形的なスケーラビリティを示している。

ABSTRACT

The use of Unmanned Aerial Vehicles (UAVs) is rapidly increasing in applications ranging from surveillance and first-aid missions to industrial automation involving cooperation with other machines or humans. To maximize area coverage and reduce mission latency, swarms of collaborating drones have become a significant research direction. However, this approach requires open challenges in positioning, mapping, and communications to be addressed. This work describes a distributed mapping system based on a swarm of nano-UAVs, characterized by a limited payload of 35 g and tightly constrained onboard sensing and computing capabilities. Each nano-UAV is equipped with four 64-pixel depth sensors that measure the relative distance to obstacles in four directions. The proposed system merges the information from the swarm and generates a coherent grid map without relying on any external infrastructure. The data fusion is performed using the iterative closest point algorithm and a graph-based simultaneous localization and mapping algorithm, running entirely onboard the UAV's low-power ARM Cortex-M microcontroller with just 192 kB of memory. Field results gathered in three different mazes with a swarm of up to 4 nano-UAVs prove a mapping accuracy of 12 cm and demonstrate that the mapping time is inversely proportional to the number of agents. The proposed framework scales linearly in terms of communication bandwidth and onboard computational complexity, supporting communication between up to 20 nano-UAVs and mapping of areas up to 180 m2 with the chosen configuration requiring only 50 kB of memory.

研究の動機と目的

• 極めて厳しいハードウェア制約下において、ナノUAVの群れで完全にオンボードで、インfra構造なしのマッピングを可能にすること。
• 従来の低解像度深度センサやオフボード計算の限界を乗り越えるために、新規の64ピクセルマルチゾーンToFセンサアレイを用いること。
• 192 kBのメモリしか利用できないリソース制約の厳しいマイコン上で完全に動作する、軽量でリアルタイムなSLAMパイプラインを開発すること。
• すべてのポーズを群れ全体にブロードキャストすることで、分散型でスケーラブルなマッピングを実現し、冗長性と故障耐性を確保すること。
• 異なる群れのサイズや環境において、マッピング時間に線形なスピードアップが得られ、一貫した精度を維持できることを実証すること。

提案手法

• 各ナノUAVは、前面、背面、左側、右側に配置された4台のVL53L5CX 8×8ToFセンサを搭載し、180度の視野角をカバーする64ピクセルの深度マップを提供する。
• 深度測定値はドローンの局所座標フレームに投影され、2次元スキャンが生成され、最適化された反復最密対応法（ICP）を用いたスキャンマッチングに使用される。
• グラフベースのSLAMフレームワークでは、ドローンのポーズをノードとし、オドメトリとループクロージャーをエッジとして管理する。ループクロージャーはICPベースのスキャンマッチングによって検出される。
• すべてのSLAMおよびICP計算は、192 kBのRAMを備えたARM Cortex-Mマイコン上で、独自に最適化された実装によりオンボードで実行される。
• ポーズおよびマップデータはすべての群れメンバーにブロードキャストされ、エージェント間でデータを分散保存することで、群れ全体の冗長性による故障耐性を実現する。
• 本システムは最大20台のドローンをサポートし、オンボードメモリ50 kBのみで180 m²までの領域をマッピング可能であり、軽量な通信プロトコルを採用している。

実験結果

リサーチクエスチョン

• RQ1 ナノドローンの群れが、オンボードでの計算と低消費電力の深度センサのみを用いて、正確かつリアルタイムのマッピングを達成できるか？
• RQ2 64ピクセルマルチゾーンToFセンサの使用は、単一ピクセルまたはLiDARベースのシステムと比較して、マッピング精度と計算負荷の面でどのように異なるか？
• RQ3 192 kBのメモリと低消費電力の制約下で、ICPおよびSLAMをどれほど最適化できるか？
• RQ4 群れの規模が増加するに従い、通信帯域幅および計算複雑度の面で、システムはどのようにスケーリングするか？
• RQ5 外部インfra構造やベースステーションなしで、完全に分散型で冗長なマッピングシステムを維持できるか？

主な発見

• 実環境のフィールド実験において、3つの異なる迷路で12 cmのマッピング精度を達成した。
• マッピング時間はドローン数に反比例しており、群れの規模に伴う線形的なスケーリングが確認された。
• 最適化されたICPアルゴリズムは1イタレーションあたり26〜83 msで実行され、ナノUAVのリアルタイム要件を満たしている。
• ICPおよびグラフ最適化を含む、SLAMパイプライン全体が192 kBのマイコン上で動作し、使用メモリはわずか50 kBであった。
• 本システムは最大20台のドローンをサポートし、180 m²までの領域をマッピング可能であり、すべてのデータがエージェント間で分散保存されており、故障耐性を有している。
• 本ソリューションは240 mWの消費電力に抑えられ、最新のスケールの大きなプラットフォームにおけるSLAMシステムと比較して31倍の電力削減を達成している。