[논문 리뷰] A partially decentralized EKF scheme for cooperative localization over unreliable communication links.

Solmaz S. Kia, Sonia Martı́nez|arXiv (Cornell University)|2016. 08. 01.

Indoor and Outdoor Localization Technologies참고 문헌 18인용 수 3

한 줄 요약

이 논문은 제한된 차량 내 자원을 가진 다중 로봇 시스템에서 협동 위치 측정을 위한 부분 탈중앙화된 확장 칼만 필터(Extended Kalman Filter, EKF)를 제안한다. 로봇들은 개별적으로 상태 추정치를 유지하며, 측정 업데이트 시에만 중앙 단위와 통신한다. 이로 인해 팀 크기에 대해 각 로봇의 계산 비용이 O(1)로 감소한다. 이 방법은 선형 시스템에서 간헐적인 통신 장애가 발생하더라도 최소 분산 추정치를 보장하며, 비선형 케이스에서는 하위 최적의 그러나 안정적인 해를 제공한다.

ABSTRACT

This paper reports a partially decentralized implementation of an Extended Kalman filter for the cooperative localization of a team of mobile robots with limited onboard resources. Unlike a fully centralized scheme that requires, at each timestep, information from the entire team to be gathered together and be processed by a single device, our algorithm only requires that the robots communicate with a central command unit at the time of a measurement update. Every robot only needs to propagate and update its own state estimate, while the central command unit maintains track of cross-covariances. Therefore, the computational and storage cost per robot in terms of the size of the team is of order O(1). Moreover, when the system model is linear the algorithm is robust to occasional in-network communication link failures while the updated estimates of the robots receiving the update message are of minimum variance at that given timestep. For problems with nonlinear robot models, our algorithm under message drop-out provides a suboptimal solutions because of the linearization approximation similar to the Extended Kalman filter model. We demonstrate the performance of the algorithm in simulation.

연구 동기 및 목표

• 다중 로봇 협동 위치 측정에서 완전히 중심화된 EKF 기법의 높은 계산 및 통신 부담을 해결한다.
• 팀 크기에 대해 각 로봇의 계산 및 저장 비용을 O(1)로 감소시킨다.
• 특히 선형 시스템 모델에서 신뢰할 수 없는 통신 링크 상황에서도 안정적인 위치 측정을 가능하게 한다.
• 자원 제약이 있는 이동형 로봇이 협동 위치 측정 작업을 수행할 수 있도록 확장 가능한 해결책을 제공한다.
• 중앙 집중식 상관관계 관리 방식을 통해 간헐적인 메시지 손실 상황에서도 추정 정확도를 유지한다.

제안 방법

• 각 로봇이 자체 상태 추정치를 독립적으로 전파 및 업데이트하는 부분 탈중앙화된 EKF를 구현한다.
• 모든 로봇 간의 상관관계를 유지하고 업데이트하는 중앙 명령 단위를 사용하여 각 로봇의 계산 부담을 줄인다.
• 전체 통신을 측정 업데이트 순간으로 제한하여 개별 로봇의 대역폭 및 처리 부담을 최소화한다.
• 비선형 시스템 모델에 대해 확장 칼만 필터 프레임워크를 활용해 선형화를 적용한다.
• 시스템 모델이 선형인 경우, 메시지 손실이 발생하더라도 갱신된 추정치가 최소 분산을 유지함을 보장한다.
• 추정치의 최적성 확보를 위해 로봇 상태 추정치를 융합하는 중앙 집중식 융합 메커니즘을 사용한다.

실험 결과

연구 질문

• RQ1 부분 탈중앙화된 EKF는 팀 크기에 대해 각 로봇의 계산 및 저장 비용을 O(1)로 줄일 수 있을까? 동시에 추정 정확도는 유지될 수 있는가?
• RQ2 간헐적인 통신 장애 상황에서 알고리즘이 어떻게 성능을 발휘하는가? 특히 선형 시스템 모델에서의 성능은 어떻게 되는가?
• RQ3 비선형 로봇 운동 및 측정 모델에서 선형화 오차가 추정 성능에 어떤 영향을 미치는가?
• RQ4 중앙 명령 단위가 상관관계 정보를 유지하여 팀 전반의 일관된 상태 추정치를 확보할 수 있는가?
• RQ5 메시지 손실 상황에서도 선형 시스템에서 최소 분산 추정치를 제공할 수 있을까? 제안된 기법은 이에 대해 강건한가?

주요 결과

• 알고리즘은 팀 크기에 대해 각 로봇의 계산 및 저장 비용이 O(1)이 되도록 구현되어 자원 요구량을 크게 감소시켰다.
• 선형 시스템 모델에서는 간헐적인 통신 장애가 발생하더라도 알고리즘이 최소 분산 추정치를 제공한다.
• 비선형 모델에서는 표준 EKF와 유사하게 선형화 오차로 인해 하위 최적의 해를 도출한다.
• 중앙 명령 단위는 상관관계 정보를 성공적으로 유지하여 로봇 팀 전반의 일관된 상태 추정치를 가능하게 하였다.
• 시뮬레이션 결과는 현실적인 통신 제약 조건 하에서도 안정적이고 정확한 협동 위치 측정 성능을 입증하였다.
• 이 기법은 자원 제약이 있는 이동형 로봇에 대한 구현에 있어 확장 가능하고 실용적이다.