[논문 리뷰] Continuous-Time State Estimation Methods in Robotics: A Survey

William Henry Fox Talbot, Julian Nubert외 6명|arXiv (Cornell University)|2024. 11. 06.

Fault Detection and Control Systems인용 수 4

한 줄 요약

이 종합적 서베이는 로봇 공학 분야에서 연속 시간(CT) 상태 추정 방법을 종합적으로 통합하고 체계적으로 검토한다. 주로 로봇 상태를 시간의 연속 함수로 모델링하기 위해 스퍼린과 가우시안 프로세스를 활용한다. CT 방법이 추정 성능을 향상시키고 사전 처리 복잡성을 줄이며 계획 및 제어에 대한 유연성을 높여 주는 것으로 입증되며, 이는 임의의 쿼리 시간에서의 보간을 가능하게 하여, 열린 문제들과 향후 연구 방향에 대한 심층적 분석을 수반한다.

ABSTRACT

Accurate, efficient, and robust state estimation is more important than ever in robotics as the variety of platforms and complexity of tasks continue to grow. Historically, discrete-time filters and smoothers have been the dominant approach, in which the estimated variables are states at discrete sample times. The paradigm of continuous-time state estimation proposes an alternative strategy by estimating variables that express the state as a continuous function of time, which can be evaluated at any query time. Not only can this benefit downstream tasks such as planning and control, but it also significantly increases estimator performance and flexibility, as well as reduces sensor preprocessing and interfacing complexity. Despite this, continuous-time methods remain underutilized, potentially because they are less well-known within robotics. To remedy this, this work presents a unifying formulation of these methods and the most exhaustive literature review to date, systematically categorizing prior work by methodology, application, state variables, historical context, and theoretical contribution to the field. By surveying splines and Gaussian processes together and contextualizing works from other research domains, this work identifies and analyzes open problems in continuous-time state estimation and suggests new research directions.

연구 동기 및 목표

• 기존 이산 시간 접근 방식에 비해 장점이 있음에도 불구하고 연속 시간(CT) 상태 추정 방법이 여전히 부족하게 활용되고 있는 문제를 다루기 위해.
• 스플라인과 가우시안 프로세스를 동일한 프레임워크 내에 통합하여 CT 상태 추정을 위한 통합 이론적 기반을 제공하기 위해.
• 기법, 적용 분야, 상태 변수, 역사적 배경, 이론적 기여도를 기준으로 이전 연구를 시스템적으로 분류하기 위해.
• 복잡한 로봇 시스템에서 CT 추정을 발전시키기 위한 열린 문제와 신규 연구 방향을 규명하기 위해.
• 성능, 내구성, 후속 작업 통합 측면에서의 이점들을 명확히 하여 CT 방법의 광범위한 도입을 지원하기 위해.

제안 방법

• 상태를 시간에 대한 매끄러운 함수로 표현하고 제어점 또는 초모수로 매개변수화하는 방식으로 연속 시간 상태 추정을 최적화 문제로 공식화한다.
• 시간 기반 스퍼린(예: B-스플라인)과 가우시안 프로세스(GP)를 사용하여 연속 궤적을 모델링하고, 임의의 시간 포인트에서의 보간을 가능하게 한다.
• 배치 최적화와 라플라스 근사법을 활용하여 연속 상태에 대한 사후 분포를 계산하고, 불확실성 정량화를 지원한다.
• 최적화 변수를 센서 샘플링 시간에서 분리하는 센서 무관 형식을 도입하여 이산 센서 트리거에 대한 의존도를 감소시킨다.
• 정확한 공분산 보간을 통해 다양체 수치 상태 표현(예: SE(2), SE(3))를 지원하여 비유클리드 공간에서의 불확실성 전파를 가능하게 한다.
• IMU 프리인.tegration, LiDAR 디스키ewing, 롤링 셔터 보정 등 센서 고유의 모델을 CT 프레임워크 내에 통합하여 운동 왜곡과 사전 처리 오차를 줄인다.

실험 결과

연구 질문

• RQ1 로봇 시스템에서 이산 시간 방법에 비해 연속 시간 상태 추정이 성능과 내구성 측면에서 어떻게 향상되는가?
• RQ2 스플라인 기반과 가우시안 프로세스 기반 연속 시간 추정 간의 주요 기법적 차이점과 유사점은 무엇인가?
• RQ3 CT 방법은 다중 센서 로봇 시스템에서 센서 사전 처리 복잡성과 시간 동기화를 어떻게 줄이는가?
• RQ4 계산 효율성과 확장성 측면에서 현재 CT 추정 프레임워크의 열린 문제와 제한 사항은 무엇인가?
• RQ5 정확한 불확실성 전파를 가능하게 하여 SE(2)와 SE(3)와 같은 복잡한 비유클리드 상태 공간을 지원하기 위해 CT 추정을 어떻게 확장할 수 있는가?

주요 결과

• 연속 시간 방법은 상태 변화를 연속적으로 모델링함으로써 운동 왜곡을 크게 줄이며, LiDAR 디스키ewing와 같은 운동 보정 기법의 필요성을 없앤다.
• B-스플라인과 가우시안 프로세스의 사용은 측정 시간을 포함한 임의의 시간에서 상태의 정확한 보간을 가능하게 하며, 각 샘플에 대해 명시적인 상태 변수가 필요로 하지 않는다.
• 가우시안 프로세스를 활용한 CT 추정은 다样的 공간(예: SE(2))에서 정확한 공분산 보간을 지원하여 궤적 전반에 걸친 의미 있는 불확실성 영역을 제공한다.
• 상태 표현을 센서 샘플링 시간에서 분리함으로써 최적화 변수의 수를 줄여 계산 효율성과 유연성을 향상시킨다.
• 서베이에서는 센서 캘리브레이션 파라미터(예: 시간 오프셋, 오프셋, 외부 캘리브레이션)가 자연스럽게 CT 공식화에 통합되어 내구성이 향상됨을 규명하였다.
• 장점가 있음에도 불구하고 CT 방법은 인지도 부족과 표준화된 도구 부족으로 인해 아직도 부족하게 활용되고 있어, 광범위한 도입과 구현 지원의 필요성을 드러낸다.