[論文レビュー] Learning-based Bias Correction for Ultra-wideband Localization of Resource-constrained Mobile Robots

Wenda Zhao, Abhishek Goudar+2 more|arXiv (Cornell University)|Mar 20, 2020

Indoor and Outdoor Localization Technologies参考文献 19被引用数 13

ひとこと要約

本論文は、リソース制限のあるナノ・クアッドコプターにおける超広帯域（UWB）位置推定のための軽量で二段階のバイアス補正フレームワークを提案する。この手法は、統計的外れ値除去と、空間的に変化する範囲バイアスを深層ニューラルネットワーク（DNN）で補正する手法を組み合わせるもので、TWRでは位置推定誤差を18.5%、TDoAでは48%削減する。これにより、マイコン上でUWB測定値のみを用いて正確なクローズド・ループの軌道追従が可能になる。

ABSTRACT

Accurate indoor localization is a crucial enabling technology for many robotics applications, from warehouse management to monitoring tasks. Ultra-wideband (UWB) ranging is a promising solution which is low-cost, lightweight, and computationally inexpensive compared to alternative state-of-the-art approaches such as simultaneous localization and mapping, making it especially suited for resource-constrained aerial robots. Many commercially-available ultra-wideband radios, however, provide inaccurate, biased range measurements. In this article, we propose a bias correction framework compatible with both two-way ranging and time difference of arrival ultra-wideband localization. Our method comprises of two steps: (i) statistical outlier rejection and (ii) a learning-based bias correction. This approach is scalable and frugal enough to be deployed on-board a nano-quadcopter's microcontroller. Previous research mostly focused on two-way ranging bias correction and has not been implemented in closed-loop nor using resource-constrained robots. Experimental results show that, using our approach, the localization error is reduced by ~18.5% and 48% (for TWR and TDoA, respectively), and a quadcopter can accurately track trajectories with position information from UWB only.

研究の動機と目的

• リソース制限のある移動ロボット、特にナノ・クアッドコプターにおいて、不正確でバイアスがかかるUWB距離測定の課題に対処すること。
• システム的バイアスと誤った測定値の両方を補正するスケーラブルでオンボード対応の手法を開発すること。
• 外部システムや高計算負荷のハードウェアに依存せずに、UWBのみを用いて信頼性がありリアルタイムな屋内位置推定を実現すること。
• 3次元環境における自律的軌道追従のクローズド・ループ制御において、本手法の有効性を実証すること。
• 学習ベースのバイアス補償によって、TWRとTDoAベースのUWB位置推定の性能差を埋めること。

提案手法

• フレームワークは二段階のプロセスを採用する。まず、モデルに基づくフィルタリングと仮説検定を用いて、統計的手法による外れ値除去で誤った測定値をフィルタリングする。
• 次に、深層ニューラルネットワーク（DNN）が、TWRおよびTDoAのUWB測定において空間的に変化する、ポーズに依存するバイアスを学習し補正する。
• DNNは、アンテナ放射パターンやマルチパス効果に起因する非線形バイアスパターンを、原始UWB波形のアクセスなしに近似するように訓練される。
• パイプライン全体がナノ・クアッドコプターのマイコン上で実装されており、最小限の計算オーバーヘッドでリアルタイム実行が保証される。
• 外れ値除去はDNN推論の前に適用され、NLOSおよびマルチパス誤差に対する耐性が向上する。
• 本手法は、真値としてViconモーションキャプチャシステムを用い、クローズド・ループ飛行実験でも評価されている。

実験結果

リサーチクエスチョン

• RQ1 学習ベースのバイアス補正フレームワークは、リソース制限のあるロボットが3次元屋内環境でTDoAベースのUWB位置推定の精度を向上させることができるか？
• RQ2 原始波形へのアクセスなしに、DNNが空間的に変化するポーズ依存のUWB測定バイアスをどれほど正確にモデル化・補正できるか？
• RQ3 外れ値除去とDNNベースのバイアス補正を組み合わせることで、ナノ・クアッドコプターにおけるクローズド・ループ軌道追従性能がどの程度向上するか？
• RQ4 実際の運用において、本手法はTWRとTDoAベースのUWB位置推定の性能差を縮小するか？
• RQ5 外部計算ハードウェアを必要とせず、マイコン上でパイプライン全体をリアルタイムに実行可能か？

主な発見

• 提案手法は、往復距離測定（TWR）ではルート・マンスリー二乗（RMS）推定誤差を約18.5%、到達時間差（TDoA）測定では48%削減する。
• バイアス補正後、TDoA位置推定の平均RMS誤差（0.21 m）はTWRの0.19 mとほぼ同等となり、両モード間の性能差が顕著に縮小される。
• DNNベースのバイアス補正は、z軸方向の変動が大きい軌道においてより大きな改善をもたらし、垂直方向の運動における耐性向上を示している。
• 飛行実験では、位置誤差の低減と軌道追従性の向上により、安定的で安全な離着陸が可能になった。
• 外れ値除去とDNN推論を含む、すべての補正パイプラインがナノ・クアッドコプターのマイコン上でリアルタイムに実行可能であり、外部計算機器を必要としない。
• 本手法は、UWB測定値のみを用いても、屋内環境における自律的クローズド・ループ飛行を実現するための高い位置推定精度を達成している。