[論文レビュー] Simultaneous Trajectory Estimation and Mapping for Autonomous Underwater Proximity Operations

Aldo Terán Espinoza, Antonio Terán Espinoza+4 more|arXiv (Cornell University)|Sep 15, 2023

Underwater Vehicles and Communication SystemsEngineering被引用数 3

ひとこと要約

本論文は、自律型水中ドリル（AUV）のための要因グラフベースのSLAMフレームワークを提案し、相対的USBL測定値と慣性センサを用いて、接近作業中のアクティブターゲットの運動を同時に推定するためのトラジェクトリ推定を行う。この手法は、悪質なターゲット動的特性が存在する状況下でも、元の測定値よりも高い状態推定精度を達成するが、モデル化されていないノイズと厳密な運動仮定による制限により性能が制限される。

ABSTRACT

Due to the challenges regarding the limits of their endurance and autonomous capabilities, underwater docking for autonomous underwater vehicles (AUVs) has become a topic of interest for many academic and commercial applications. Herein, we take on the problem of state estimation during an autonomous underwater docking mission. Docking operations typically involve only two actors, a chaser and a target. We leverage the similarities to proximity operations (prox-ops) from spacecraft robotic missions to frame the diverse docking scenarios with a set of phases the chaser undergoes on the way to its target. We use factor graphs to generalize the underlying estimation problem for arbitrary underwater prox-ops. To showcase our framework, we use this factor graph approach to model an underwater homing scenario with an active target as a Simultaneous Localization and Mapping problem. Using basic AUV navigation sensors, relative Ultra-short Baseline measurements, and the assumption of constant dynamics for the target, we derive factors that constrain the chaser's state and the position and trajectory of the target. We detail our front- and back-end software implementation using open-source software and libraries, and verify its performance with both simulated and field experiments. Obtained results show an overall increase in performance against the unprocessed measurements, regardless of the presence of an adversarial target whose dynamics void the modeled assumptions. However, challenges with unmodeled noise parameters and stringent target motion assumptions shed light on limitations that must be addressed to enhance the accuracy and consistency of the proposed approach.

研究の動機と目的

• 自律的水中ドッキングを、両方のチャージャーとターゲットの状態をリアルタイムで推定するという挑戦に直面して解決すること。
• 宇宙船の接近作業の概念を水中AUVミッションに拡張し、ドッキングを動的フェーズの連鎖として定式化すること。
• 最小限のセンサデータを用いてAUVのポーズとターゲットのトラジェクトリを同時に推定する統合されたSLAM定式化を開発すること。
• 現実的で悪質な条件下でのシミュレーションとフィールド実験を通じて、この手法の妥当性を検証すること。
• モデル化されていないノイズと剛体運動仮定による精度の制限要因を特定すること。

提案手法

• フレームワークは要因グラフを用いて問題をモデル化し、AUVおよびターゲットの状態を変数として、センサ制約を要因として表現する。
• 運動モデル要因は、状態遷移方程式を用いた運動モデルにより、時間間隔の間にターゲットの速度とヘディングを一定に保つように制約を課す。
• 相対的USBL測定値は、チャージャーとターゲット間の距離と方位の制約を提供し、重要な観測要因を形成する。
• 深さ要因は、圧力センサのデータを用いてAUVの垂直位置を制約し、ポーズ更新のためのSE(3)多様体からのヤコビアンを導出する。
• 非線形最適化はオープンソースライブラリを用いて実装され、SO(3)およびSE(3)上の指数写像を介した段階的更新が行われる。
• バックエンドはガウス＝ニュートンソルバーを用い、要因グラフのコスト関数を最小化することで、同時にチャージャーとターゲットのトラジェクトリを最適化する。

実験結果

リサーチクエスチョン

• RQ1 水中接近作業中にAUVのトラジェクトリとアクティブターゲットの運動を同時に推定できる統合されたSLAMフレームワークをどのように設計できるか？
• RQ2 最小限の搭載機器で実現可能な、頑健な状態推定を達成するために、どのセンサモダリティと要因グラフコンponentsが必要か？
• RQ3 仮定された一定速度モデルに反する悪質なターゲット動的特性下で、提案手法はどの程度の性能を示すか？
• RQ4 推定パイプラインにおける主な誤差源と一貫性の欠如要因は何か、特に実世界のノイズとモデルのずれが生じた場合に？
• RQ5 トラジェクトリの精度と収束性という観点から、このフレームワークは、処理されていない原始的測定値を上回る程度はどれほどか？

主な発見

• 提案されたSLAMフレームワークは、シミュレーションおよびフィールド実験の両方で、処理されていないUSBL測定値に比べて顕著に高いトラジェクトリ推定精度を達成する。
• ターゲットが一定速度仮定に反する悪質な運動を示しても、この手法は頑健な性能を維持する。
• 圧力センサのデータから導出された深さ要因は、安定した垂直状態推定に寄与するが、そのヤコビアンはAUVのヨー角およびピッチ角に依存する。
• モデル化されていないノイズパラメータとターゲット動的特性に関する過度に制限的な仮定により、性能劣化が観察される。
• オープンソースツールを用いた実装は、実世界のAUVへの展開に向けた実現可能性と拡張性を示している。