[논문 리뷰] Comparison of Dynamic and Kinematic Model Driven Extended Kalman Filters (EKF) for the Localization of Autonomous Underwater Vehicles

Sharan Balasubramanian, Ayush Rajput외 3명|arXiv (Cornell University)|2021. 05. 25.

Underwater Vehicles and Communication Systems인용 수 4

한 줄 요약

이 논문은 힘과 토크 방정식에서 유도된 간소화된 4자유도 동적 모델을 사용하여 자율 수중 차량(AUV)의 정밀한 위치 추정을 향상시키기 위해 동적 모델 기반 확장 칼만 필터(EKF)를 제안한다. UUVSim 환경에서 시뮬레이션된 평가 결과, 동적 EKF는 모든 시험 경로에서 운동학적 EKF를 능가했으며, 특히 복잡한 조작 동안 위치 오차가 크게 감소하여 동적 모델을 통합할 경우 상태 추정 정확도와 안정성이 향상됨을 입증한다.

ABSTRACT

Autonomous Underwater Vehicles (AUVs) and Remotely Operated Vehicles (ROVs) are used for a wide variety of missions related to exploration and scientific research. Successful navigation by these systems requires a good localization system. Kalman filter based localization techniques have been prevalent since the early 1960s and extensive research has been carried out using them, both in development and in design. It has been found that the use of a dynamic model (instead of a kinematic model) in the Kalman filter can lead to more accurate predictions, as the dynamic model takes the forces acting on the AUV into account. Presented in this paper is a motion-predictive extended Kalman filter (EKF) for AUVs using a simplified dynamic model. The dynamic model is derived first and then it was simplified for a RexROV, a type of submarine vehicle used in simple underwater exploration, inspection of subsea structures, pipelines and shipwrecks. The filter was implemented with a simulated vehicle in an open-source marine vehicle simulator called UUV Simulator and the results were compared with the ground truth. The results show good prediction accuracy for the dynamic filter, though improvements are needed before the EKF can be used on real-time. Some perspective and discussion on practical implementation is presented to show the next steps needed for this concept.

연구 동기 및 목표

• 기존 운동학 모델 대신 동적 모델을 EKF 기반 상태 추정에 통합하여 AUV의 정밀한 위치 추정 정확도를 향상시키기 위해.
• RexROV 유형 AUV를 위한 4-DoF 동적 모델을 유도하고 단순화하여 계산 비용을 줄이면서도 예측 정확도를 유지하기 위해.
• 다양한 항법 시나리오에서 시뮬레이션 환경에서 동적 EKF와 운동학적 EKF의 성능을 평가하기 위해.
• 모델 기반 위치 추정에서 실시간 구현을 위한 기초를 마련하고, 실시간 하드웨어에 적용하기 전에 고려해야 할 실용적 과제와 민감도 요인을 규명하기 위해.
• GPS가 이용 불가능한 수중 환경에서 GPS 대체 센서인 DVL과 SONARSLAM의 적용 가능성을 탐색하기 위해.

제안 방법

• 뉴턴-오일러 방정식을 기반으로 수중 차량의 6-DoF 동적 모델을 유도하며, 추진력, 저항력, 중력 등의 힘과 토크를 고려한다.
• 차량의 안정성과 운영 제약 조건을 바탕으로 영향이 적은 자유도(예: 롤 및 피치)를 제거하여 6-DoF 모델을 4-DoF 동적 모델로 단순화한다.
• 간소화된 동적 모델을 확장 칼만 필터(EKF)에 통합하여 실시간 상태 예측을 수행하며, 자이로스코프, DVL 및 시뮬레이션된 GPS 데이터를 측정값으로 사용한다.
• 일致한 경로 테스트를 위해 UUVSim 시뮬레이션 환경에서 순수 추격 제어기를 구현하여 웨이포인트 추종 명령을 생성한다.
• 선형화된 시스템 동역학 및 측정 모델을 사용하여 EKF의 예측 및 보정 단계를 적용하며, 과정 노이즈 및 측정 노이즈 행렬을 조정하여 강인성을 확보한다.
• 다양한 시험 경로(직선, 지그재그, U자형)를 통해 실제 위치와의 비교를 통해 모델의 정확성을 검증한다.

실험 결과

연구 질문

• RQ1 복잡한 수중 경로에서 AUV의 정밀한 위치 추정 정확도를 향상시키기 위해 EKF에 동적 모델을 통합할 경우 운동학 모델 대비 성능 향상이 이루어지는가?
• RQ2 완전한 6-DoF 모델 대비 간소화된 4-DoF 동적 모델은 계산 효율성과 추정 정확도 측면에서 어떻게 비교되는가?
• RQ3 가속도 및 회전 동작 중에 동적 EKF는 운동학적 EKF보다 다중 축 동시 운동(x 및 y 축)을 더 효과적으로 처리할 수 있는가?
• RQ4 운동학적 EKF의 주요 오차 원인은 무엇이며, 동적 EKF는 이를 어떻게 완화하는가?
• RQ5 실시간 하드웨어에 물리적 AUV에 적용하기 전에 해결해야 할 주요 실용적 과제는 무엇인가?

주요 결과

• 직선 시험에서 동적 EKF는 총 위치 오차 0.1659m를 기록했고, 운동학적 EKF는 0.2482m를 기록하여 오차가 33% 감소했다.
• 지그재그 시험에서 동적 EKF는 x축 오차 0.1213m, y축 오차 0.39145m를 기록했으며, 운동학적 EKF의 0.3682m 및 4.336m보다 유의미하게 우수했다.
• U자형 경로 시험에서 동적 EKF는 총 오차 0.0738m를 기록했고, 운동학적 EKF는 0.1965m를 기록하여 복잡한 조작 중에서도 우수한 수렴성과 안정성을 보였다.
• 동적 EKF는 모든 시험 케이스에서 일관된 성능을 보였고, 분산이 최소였으며, 운동학적 EKF는 급격한 전복 및 가속 동작 중에 특히 y축에서 큰 오차를 보였다.
• 동적 모델은 특히 x-축 및 y-축 동시 운동에서 차량의 비선형 행동을 효과적으로 포착했으며, 이에 비해 운동학 모델은 궤적 변화를 정확히 예측하지 못했다.
• 본 연구는 동적 모델이 추정 드리프트를 감소시키고 센서 노이즈 및 동적 조작 조건 하에서도 강인성을 향상시켜 AUV 항법에서 운동학 모델 대비 동적 모델의 사용을 정당화함을 확인했다.