[論文レビュー] Measurement Scheduling for Cooperative Localization in Resource-Constrained Conditions

Yan Qi, Li Jiang+1 more|arXiv (Cornell University)|Dec 10, 2019

Indoor and Outdoor Localization Technologies参考文献 30被引用数 17

ひとこと要約

本稿では、リソース制約下におけるマルチロボットシステムにおける協調位置決定のための、通信不要な分散型測定スケジューリングアルゴリズムを提案する。各ロボットは、連合位置決定の不確実性の上界を最小化するためのグリーディーヒューリスティックを用いて、局所的に限られた数のランドマークロボットを選択する。この手法により、通信不要なスケジューリングを実現しながら、最新の手法と同等の性能を達成し、計算コストを著しく低減する。

ABSTRACT

This paper studies the measurement scheduling problem for a group of N mobile robots moving on a flat surface that are preforming cooperative localization (CL). We consider a scenario in which due to the limited on-board resources such as battery life and communication bandwidth only a given number of relative measurements per robot are allowed at observation and update stage. Optimal selection of which teammates a robot should take a relative measurement from such that the updated joint localization uncertainty of the team is minimized is an NP-hard problem. In this paper, we propose a suboptimal greedy approach that allows each robot to choose its landmark robots locally in polynomial time. Our method, unlike the known results in the literature, does not assume full-observability of CL algorithm. Moreover, it does not require inter-robot communication at scheduling stage. That is, there is no need for the robots to collaborate to carry out the landmark robot selections. We discuss the application of our method in the context of an state-of-the-art decentralized CL algorithm and demonstrate its effectiveness through numerical simulations. Even though our solution does not come with rigorous performance guarantees, its low computational cost along with no communication requirement makes it an appealing solution for operatins with resource constrained robots.

研究の動機と目的

• 限られたバッテリー駆動時間や通信帯域幅といった厳しいリソース制約下で、位置決定の不確実性を最小化する課題に対処すること。
• ランドマーク選択中にロボット間の通信を一切必要としない分散型測定スケジューリング戦略を構築すること。
• 低複雑性で局所的に計算可能なアルゴリズムを設計し、リソース制約のあるロボットにおけるリアルタイム動作を可能にすること。
• 完全観測性を仮定しないことで、屋内や水中環境などのGPS不可環境への適用を可能にすること。
• 最適に近いサブオプティマル手法と同等の性能を達成しながら、計算コストを著しく削減すること。

提案手法

• 各ロボットが、連合推定不確実性の上界を最小化するためのグリーディーヒューリスティックに基づき、独立してランドマークロボットを選択する。
• 不確実性の指標として、連合共分散行列の行列式の対数（logdet）を用い、これは不確実性楕円体の体積に対応する。
• グローバルなシステム状態の完全な知識が不要な、logdetの計算可能な上界を用いてランドマーク選択をガイドする。
• 選択は、各ロボットの自身の状態推定値と相対測定モデルのみを用いて局所的に行われ、リアルタイムの調整を回避する。
• アルゴリズムは多項式時間で動作し、低リソースのロボットにおけるリアルタイム実装を想定して設計されている。
• 完全観測性を仮定しないため、GPS不可環境に適している。

実験結果

リサーチクエスチョン

• RQ1 スケジューリング中にロボット間通信を一切必要としない分散型測定スケジューリング手法を設計可能か？ その際、高い位置決定精度を維持できるか？
• RQ2 グリーディーで局所的に計算可能な手法が、集中型または協調型のサブオプティマル手法と同等の性能を達成できるか？
• RQ3 リソース制約下での不確実性最小化において、計算コストと位置決定精度のトレードオフはどのように変化するか？
• RQ4 完全観測性を必要としない手法を開発可能か？ これにより、屋内や水中作業などのGPS不可環境での利用が可能になるか？
• RQ5 ロボット数や1ロボットあたりの許容測定数の増加に伴い、本手法のスケーラビリティはどのように変化するか？

主な発見

• 提案手法は、最適性ギャップが既知のTzoumasらのサブオプティマル手法[19]と同等の位置決定精度を達成するが、計算コストを著しく低減している。
• N=9、qi=1の場合、アルゴリズム1の1ロボットあたり平均実行時間は3.05 msであり、[19]の19.42 msと比較して6.4倍の高速化を達成した。
• Nが15に増加し、qi=8になると、アルゴリズム1の実行時間は1ロボットあたり8.57 msにとどまり、[19]は1524 msを要し、優れたスケーラビリティを示した。
• 特にqi=1の条件下で、ランダムなランドマーク選択より優れた性能を示しており、リソース制約下での知的なスケジューリングの必要性を裏付けた。
• モンテカルロシミュレーションの結果、qi=8のとき、アルゴリズム1は全時間ステップで低不確実性（共分散行列のlogdetで測定）を維持し、全測定が可能な場合と同等の性能を示した。
• ランドマーク選択は動的である—異なる時刻に異なるロボットが選ばれるため、適応的で文脈に応じた行動を示している。