[論文レビュー] NanoSLAM: Enabling Fully Onboard SLAM for Tiny Robots

Vlad Niculescu, Tommaso Polonelli+2 more|arXiv (Cornell University)|Sep 21, 2023

Robotics and Sensor-Based Localization被引用数 1

ひとこと要約

NanoSLAM は、44g のナノドローンに搭載された RISC-V パarallel プロセッサを活用して、250 ms 未満のエンドツーエンド遅延とわずか 87.9 mW の消費電力で 4.5 cm のマッピング精度を達成する、軽量で完全にオンボードの SLAM システムです。このシステムにより、センチメートルスケールのロボット向けに、オフロードや高消費電力の計算に依存しないリアルタイムで高精度な環境マッピングが可能になります。

ABSTRACT

Perceiving and mapping the surroundings are essential for enabling autonomous navigation in any robotic platform. The algorithm class that enables accurate mapping while correcting the odometry errors present in most robotics systems is Simultaneous Localization and Mapping (SLAM). Today, fully onboard mapping is only achievable on robotic platforms that can host high-wattage processors, mainly due to the significant computational load and memory demands required for executing SLAM algorithms. For this reason, pocket-size hardware-constrained robots offload the execution of SLAM to external infrastructures. To address the challenge of enabling SLAM algorithms on resource-constrained processors, this paper proposes NanoSLAM, a lightweight and optimized end-to-end SLAM approach specifically designed to operate on centimeter-size robots at a power budget of only 87.9 mW. We demonstrate the mapping capabilities in real-world scenarios and deploy NanoSLAM on a nano-drone weighing 44 g and equipped with a novel commercial RISC-V low-power parallel processor called GAP9. The algorithm is designed to leverage the parallel capabilities of the RISC-V processing cores and enables mapping of a general environment with an accuracy of 4.5 cm and an end-to-end execution time of less than 250 ms.

研究の動機と目的

• オフロードが現実的でない、リソース制限のある 50g 未満のロボットプラットフォームで、完全にオンボードの同時位置特定と地図作成（SLAM）を可能にすること。
• 超高消費電力プロセッサでは限界がある、従来の SLAM アルゴリズムの計算およびメモリのボトル neck を解消すること。
• オンボード処理のみを用いて、動的で屋内環境においてリアルタイムかつ高精度なマッピングを実現すること。
• 標準サイズの UAV システムと同等の最先端のマッピング精度を達成するが、消費電力とサイズを著しく削減すること。
• スマートビルディングや再構成可能な倉庫など、レイアウトが変化する環境での自律航行および経路計画を可能にすること。

提案手法

• GAP9 を使用した RISC-V ベースのマルチコアプロセッサ上で並列実行を最適化した、軽量でエンドツーエンドの SLAM パイプラインの設計。
• ループクロージャ検出による累積オドメトリ誤差の補正を実現するため、ポーズグラフ最適化（PGO）を用いたグラフベースの SLAM の実装。
• 計算負荷を低減するため、低消費電力で低解像度の深度測定が可能な時間飛び時間（ToF）深度センサの使用。
• 連続する深度スキャン間のスキャンマッチングを推定するため、反復最密一致（ICP）アルゴリズムを適用。
• メモリ使用量を削減するため、バイナリオックビューショナルマップ表現を統合し、解像度に応じた地図圧縮（例：5 cm および 7.5 cm）を実施。
• 500 kB RAM 以内に収まるようメモリ使用量を最適化し、エンドツーエンド遅延が 250 ms 未満となるようリアルタイム性能を確保。

実験結果

リサーチクエスチョン

• RQ1 44g のナノドローンで、100 mW 未満の消費電力予算のもとで、完全にオンボードの SLAM システムが 5 cm 未満のマッピング精度を達成できるか？
• RQ2 RISC-V ベースの並列プロセッサは、超小型ロボット向けの軽量 SLAM パイプラインの高速化にどの程度効果的か？
• RQ3 最適化された PGO および ICP と組み合わせた場合、低解像度で低消費電力の ToF センサが、正確な SLAM をどの程度サポートできるか？
• RQ4 外部のベースステーションに SLAM 計算をオフロードした場合の性能オーバーヘッドは何か？ また、ミッションの飛行時間にどのような影響を与えるか？
• RQ5 本システムは、3D マッピング、動的障害物フィルタリング、スウォームベースの協調マッピングの拡張が可能か？

主な発見

• NanoSLAM は、実世界の迷路環境において 4.5 cm のマッピング精度を達成し、大型の UAV で使用される最先端の SLAM システムと同等の性能を示した。
• 効果的なループクロージャとポーズグラフ最適化により、トラジェクトリ推定誤差が最大 67% 減少した。
• エンドツーエンドの SLAM 実行が 250 ms 未満で完了し、87.9 mW の GAP9 プロセッサ上でリアルタイム動作が可能となった。
• マッピングパイプライン全体のメモリ使用量は 500 kB 未満であり、超制限された埋め込みシステムにおいても実装可能であることが示された。
• 44 g のナノドローンにおいても、外部計算や通信に依存せず、完全にオンボードの SLAM が実現可能であることが実証された。
• SLAM をベースステーションにオフロードすると、1回のループクロージャあたり最小で 4.8 秒のラウンドトリップ遅延が発生し、実用的なミッションにおいて飛行時間が著しく短縮されることが明らかになった。