[논문 리뷰] Fully Onboard SLAM for Distributed Mapping with a Swarm of Nano-Drones

Carl Friess, Vlad Niculescu외 3명|arXiv (Cornell University)|2023. 09. 07.

UAV Applications and Optimization인용 수 1

한 줄 요약

이 논문은 192 kB의 ARM Cortex-M 마이크로컨트롤러에서 실행되도록 최적화된 경량 ICP/SLAM 알고리즘과 함께 네 개의 64픽셀 깊이 센서(VL53L5CX)를 사용하여 나노드론 기반 드론 스웜의 완전한 온보드 SLAM 시스템을 제시한다. 시스템은 최대 4架의 드론에서 실시간으로 12 cm의 정확도를 달성하며, 20대의 드론까지 확장 가능한 맵핑 시간과 통신 대역폭을 보여주어 선형적 확장성을 입증한다.

ABSTRACT

The use of Unmanned Aerial Vehicles (UAVs) is rapidly increasing in applications ranging from surveillance and first-aid missions to industrial automation involving cooperation with other machines or humans. To maximize area coverage and reduce mission latency, swarms of collaborating drones have become a significant research direction. However, this approach requires open challenges in positioning, mapping, and communications to be addressed. This work describes a distributed mapping system based on a swarm of nano-UAVs, characterized by a limited payload of 35 g and tightly constrained onboard sensing and computing capabilities. Each nano-UAV is equipped with four 64-pixel depth sensors that measure the relative distance to obstacles in four directions. The proposed system merges the information from the swarm and generates a coherent grid map without relying on any external infrastructure. The data fusion is performed using the iterative closest point algorithm and a graph-based simultaneous localization and mapping algorithm, running entirely onboard the UAV's low-power ARM Cortex-M microcontroller with just 192 kB of memory. Field results gathered in three different mazes with a swarm of up to 4 nano-UAVs prove a mapping accuracy of 12 cm and demonstrate that the mapping time is inversely proportional to the number of agents. The proposed framework scales linearly in terms of communication bandwidth and onboard computational complexity, supporting communication between up to 20 nano-UAVs and mapping of areas up to 180 m2 with the chosen configuration requiring only 50 kB of memory.

연구 동기 및 목표

• 초기 하드웨어 제약 조건이 심한 나노-UAV 스웜에서 완전한 온보드, 인fra구조 없는 맵핑을 가능하게 하기 위해.
• 이전의 저해상도 깊이 센서와 외부 계산의 한계를 극복하기 위해, 새로운 64픽셀 다중 영역 ToF 센서 어레이를 사용함으로써.
• 192 kB 메모리만을 사용하는 자원 제약이 심한 마이크로컨트롤러에서 완전히 실행 가능한 경량 실시간 SLAM 파이프라인을 개발하기 위해.
• 모든 드론의 자세를 스웜 전역에 브로드캐스트하여 분산 저장 및 장애 내성 확보를 통해 분산형 확장 가능한 맵핑을 구현하기 위해.
• 다양한 스웜 크기와 환경에서 맵핑 시간의 선형적 성능 향상과 일관된 정확도를 입증하기 위해.

제안 방법

• 각 나노-UAV는 앞, 뒤, 왼쪽, 오른쪽에 8×8 ToF 센서 네 대를 장착하여, 각 센서당 64개의 깊이 픽셀을 제공함으로써 360° 깊이 맵을 생성한다.
• 깊이 측정값은 드론의 국소 좌표계로 투영되어 2차원 스캔을 생성하며, 이는 최적화된 반복 최소 거리(ICP) 알고리즘을 통한 스캔 매칭에 사용된다.
• 그래프 기반 SLAM 프레임워크는 드론 자세를 노드로, 오도메트리 및 루프 클로징을 간선으로 유지하며, ICP 기반 스캔 매칭을 통해 루프 클로징를 탐지한다.
• 모든 SLAM 및 ICP 계산은 ARM Cortex-M 마이크로컨트롤러에서 실행되며, 192 kB RAM을 사용하는 커스터마이징 최적화 구현을 통해 수행된다.
• 자세 및 맵 데이터는 스웜의 모든 구성원에게 브로드캐스트되어 분산 저장 및 스웜 전역의 중복성을 통한 장애 내성 확보를 가능하게 한다.
• 시스템은 최대 20대의 드론을 지원하며, 온보드 메모리 50 kB만을 사용하여 최대 180 m²의 영역을 맵핑할 수 있으며, 경량 통신 프로토콜을 적용한다.

실험 결과

연구 질문

• RQ1 나노드론 스웜이 온보드 계산과 저전력 깊이 센서만을 사용하여 정확하고 실시간 맵핑을 달성할 수 있는가?
• RQ2 64픽셀 다중 영역 ToF 센서의 사용이 단일 픽셀 또는 LiDAR 기반 시스템에 비해 맵핑 정확도와 계산 부담 측면에서 어떻게 비교되는가?
• RQ3 ICP 및 SLAM 알고리즘이 192 kB 메모리와 낮은 전력 예산을 가진 마이크로컨트롤러에서 얼마나 최적화될 수 있는가?
• RQ4 스웜 크기가 증가함에 따라 통신 대역폭과 계산 복잡도 측면에서 시스템의 확장성은 어떻게 되는가?
• RQ5 외부 인fra구조나 기지국 없이도 완전히 분산형이며 중복성 있는 맵핑 시스템을 유지할 수 있는가?

주요 결과

• 현장 실험에서 세 개의 서로 다른 미로 환경에서 12 cm의 맵핑 정확도를 달성하였다.
• 맵핑 시간은 드론 수에 반비례하며, 스웜 크기에 따라 선형적 확장성을 입증하였다.
• 최적화된 ICP 알고리즘은 반복당 26–83 ms 내외로 실행되어 나노-UAV의 실시간 요구 조건을 충족하였다.
• ICP 및 그래프 최적화를 포함한 전체 SLAM 파이프라인은 192 kB 마이크로컨트롤러에서 실행되며, 메모리 사용량은 오직 50 kB에 불과했다.
• 시스템은 최대 20대의 드론을 지원하며, 180 m² 이내의 영역을 맵핑할 수 있었으며, 모든 데이터는 에이전트 간 분산 저장되어 장애 내성 확보를 달성하였다.
• 시스템은 오직 240 mW의 전력을 소비하여, 더 큰 플랫폼에서의 최신 SLAM 시스템 대비 전력 소모를 31배 감소시켰다.