[論文レビュー] Continuum Robot Localization using Distributed Time-of-Flight Sensors

Spencer Teetaert, Giammarco Caroleo+5 more|arXiv (Cornell University)|Feb 6, 2026

Soft Robotics and Applications被引用数 0

ひとこと要約

本研究は、身体に沿って分散されたスパースな搭載型Time-of-Flightセンサーを用い、変形可能な連続体ロボットを局所化する連続時間MAP推定フレームワークを提案し、シミュレーションおよび実験で示した。

ABSTRACT

Localization and mapping of an environment are crucial tasks for any robot operating in unstructured environments. Time-of-flight (ToF) sensors (e.g.,~lidar) have proven useful in mobile robotics, where high-resolution sensors can be used for simultaneous localization and mapping. In soft and continuum robotics, however, these high-resolution sensors are too large for practical use. This, combined with the deformable nature of such robots, has resulted in continuum robot (CR) localization and mapping in unstructured environments being a largely untouched area. In this work, we present a localization technique for CRs that relies on small, low-resolution ToF sensors distributed along the length of the robot. By fusing measurement information with a robot shape prior, we show that accurate localization is possible despite each sensor experiencing frequent degenerate scenarios. We achieve an average localization error of 2.5cm in position and 7.2° in rotation across all experimental conditions with a 53cm long robot. We demonstrate that the results are repeated across multiple environments, in both simulation and real-world experiments, and study robustness in the estimation to deviations in the prior map.

研究の動機と目的

• 非構造環境で動作する変形可能な連続体ロボットの局所化の動機づけと解決。
• 分布型ToF測定とロボット形状事前情報を融合する連続時間・因子グラフベースのMAP推定フレームワークを開発。
• 測定の縮退や部分地図の不一致にもかかわらず、スパースで低分解能のToFセンサーのみでオンボード局所化を実現。
• 事前地図のずれに対する頑健性を示し、シミュレーションと実環境の両方で検証。

提案手法

• ロボットの身体に沿った姿勢の推定、一般化された歪み、速度を扱う連続時間因子グラフフレームワークを採用。
• ToF測定を点対平面因子として取り込み、外れ値を扱う頑健なCauchy損失を適用。
• ToF測定の不確かさを距離に依存する校正済み標準偏差でモデル化し、IRLSを用いて頑健損失を適用。
• ロボットの局所化を支援するためにジャイロスコープ測定を追加の因子として含める。
• （Simulationでは）曲げと曲率から歪み推定へ写像されるシミュレートされた歪みを任意に含める。
• 事前環境地図を用い、事前法線と平坦性ウェイトを事前計算して、ToF測定を慣性系へ射影する際に不確かさを考慮した射影を行う。

Figure 1: A continuum robot equipped with distributed sensors is shown localizing in a cluttered environment. The $53\text{\,}\mathrm{c}\mathrm{m}$ long, $7.6\text{\,}\mathrm{c}\mathrm{m}$ diameter extensible soft, continuum robot is equipped with three distributed sensor rings, each with three low-

実験結果

リサーチクエスチョン

• RQ1 スパースで分散した低分解能のToFセンサーを搭載した柔らかく拡張可能な連続体ロボットは、既知の環境内でロボットを局所化できるか。
• RQ2 分散ToF測定とロボット形状事前情報を融合することは、測定の縮退や部分地図の不一致下で安定した全身局所化を可能にするか。
• RQ3 事前地図と実環境との差異に対して局所化フレームワークはどれだけ頑健か。
• RQ4 実世界およびシミュレーションの混雑環境における実現可能な局所化精度はどれくらいか。
• RQ5 局所化が正確な場合と劣化した場合で、シーン再構成にどのような影響を与えるか。

主な発見

• 2.5 cmの位置誤差と7.2度の回転誤差が、53 cm長のロボットを用いたすべての実験条件で平均で得られた（要約より）。
• 実世界の実験では、各リングあたり数センチ程度の並進誤差と10度未満の回転誤差を実現し、中央値の試行で位置誤差1.7 cm、回転誤差6.7度。
• シミュレーション結果は、事前地図が真の環境とずれていても、頑健なToF因子により性能低下が最小であることを示す。
• 局所化は、頻繁な几何的縮退や部分地図の不一致があっても、オンボードのスパースToFセンサーで実行可能である。
• 先端-環状部局所化は、ロボット長に沿って誤差が蓄積するため難易度が高いが、全身局所化は総じて実証された。
• 再構成点を事前地図と比較して異常を検出でき、ノイズの影響により実世界よりシミュレーションで成功率が高い。

Figure 2: Simulated jet engine environment with CR in the MuJoCo physics engine. The robot is $1.5\text{\,}\mathrm{m}$ long and contains distributed ToF, IMU, and strain sensors. The environment mesh is displayed in blue while the collision mesh is shown in green. Time-of-flight sensor rays are visu