[논문 리뷰] NanoSLAM: Enabling Fully Onboard SLAM for Tiny Robots

Vlad Niculescu, Tommaso Polonelli외 2명|arXiv (Cornell University)|2023. 09. 21.

Robotics and Sensor-Based Localization인용 수 1

한 줄 요약

NanoSLAM은 44g의 나노드론과 같은 센티미터 수준의 로봇을 대상으로 최적화된 경량이며 완전히 온보드된 SLAM 시스템으로, RISC-V 병렬 프로세서를 활용해 250ms 이내의 종단 간 지연과 87.9mW의 소비 전력으로 4.5cm의 정확도를 달성한다. 이는 이전에 외부 프로세싱이나 고전력 연산에 의존해야 했던 제한을 극복하여 나노드론에서 실시간이고 정확한 환경 맵핑을 가능하게 한다.

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.

연구 동기 및 목표

• 외부 프로세싱이 불가능한 자원이 제한된 50g 이하의 로봇 플랫폼에서 완전히 온보드된 동시 위치 추정 및 맵핑(SLAM)을 가능하게 하기 위해.
• 초저전력 프로세서에서 전통적인 SLAM 알고리즘의 계산 및 메모리 병목 현상을 해결하기 위해.
• 온보드 프로세싱만을 사용해 동적이고 실내 환경에서 실시간으로 정확한 맵핑을 수행하기 위해.
• 표준 크기의 UAV 시스템과 비교해도 뛰어난 맵핑 정확도를 달성하면서도 전력 소비와 크기를 극도로 줄이기 위해.
• 스마트 빌딩이나 재구성 가능한 창고와 같이 레이아웃이 변화하는 환경에서 자율 주행 및 경로 계획을 가능하게 하기 위해.

제안 방법

• GAP9 기반의 다중 코어 프로세서에서 병렬 실행에 최적화된 경량이며 종단 간 SLAM 파이프라인 설계.
• 루프 클로저 탐지로 누적 오odom계 오차를 보정하는 포즈 그래프 최적화(PGO)를 활용한 그래프 기반 SLAM 구현.
• 계산 부담을 줄이기 위해 저전력, 저해상도의 시간 간격 거리 측정 센서(ToF)를 사용.
• 연속적인 깊이 스캔 간 스캔 매칭을 위해 반복 최접점(ICP) 알고리즘을 적용해 강체 변환을 추정.
• 메모리 사용량을 줄이기 위해 이진 점유 맵 표현 방식을 통합하고, 해상도에 따라 맵 압축을 적용(예: 5cm 및 7.5cm).
• 500kB 이내의 RAM 사용량을 확보하고 종단 간 지연 <250ms를 확보해 실시간 성능을 보장하기 위해 메모리 사용량 최적화.

실험 결과

연구 질문

• RQ1 87.9mW 이하의 전력 예산을 가진 44g의 나노드론에서 완전히 온보드된 SLAM 시스템이 5cm 이내의 맵핑 정확도를 달성할 수 있는가?
• RQ2 RISC-V 기반 병렬 프로세서는 초소형 로봇을 위한 경량 SLAM 파이프라인의 처리 속도를 얼마나 향상시킬 수 있는가?
• RQ3 최적화된 PGO와 ICP와 결합했을 때, 저해상도이자 저전력인 ToF 센서가 정확한 SLAM을 얼마나 잘 지원할 수 있는가?
• RQ4 외부 기지국에 SLAM 연산을 오프로드할 경우 발생하는 성능 오버헤드는 얼마이며, 이는 임무 지속 시간에 어떤 영향을 미치는가?
• RQ5 시스템은 3D 맵핑, 동적 장애물 필터링, 또는 스웜 기반 협업 맵핑과 같은 기능으로 확장될 수 있는가?

주요 결과

• NanoSLAM은 실제 미로 환경에서 4.5cm의 맵핑 정확도를 달성하여, 더 큰 UAV에서 사용되는 최첨단 SLAM 시스템과 동등한 성능을 보였다.
• 효율적인 루프 클로저와 포즈 그래프 최적화를 통해 궤적 추정 오차를 최대 67%까지 감소시켰다.
• 종단 간 SLAM 실행 시간이 250ms 이내로 끝나, 87.9mW의 GAP9 프로세서에서 실시간 운영이 가능했다.
• 전체 맵핑 파이프라인의 메모리 사용량이 500kB 이내에 머물러 초소형 임베디드 시스템에 적용 가능했다.
• 시스템은 외부 연산이나 통신에 의존하지 않고도 44g의 나노드론에서 완전히 온보드된 SLAM이 실현 가능하다는 것을 입증했다.
• 기지국에 SLAM을 오프로드할 경우, 루프 클로저 당 최소 4.8초의 왕복 지연이 발생해 실제 임무에서 비행 시간이 크게 감소할 것이다.