[논문 리뷰] Simultaneous Trajectory Estimation and Mapping for Autonomous Underwater Proximity Operations

Aldo Terán Espinoza, Antonio Terán Espinoza외 4명|arXiv (Cornell University)|2023. 09. 15.

Underwater Vehicles and Communication SystemsEngineering인용 수 3

한 줄 요약

이 논문은 자율 잠수선(AUV)을 위한因자 그래프 기반 SLAM 프레임워크를 제안하여 상대적 USBL 측정치와 관성 센서 데이터를 사용해 도킹 근접 작동 중 AUV의 궤적과 활성 목표물의 운동을 동시에 추정한다. 이 방법은 원시 측정치보다 상태 추정 정확도를 향상시키지만, 모델링되지 않은 노이즈와 엄격한 운동 가정으로 인해 성능에 한계가 있다.

ABSTRACT

Due to the challenges regarding the limits of their endurance and autonomous capabilities, underwater docking for autonomous underwater vehicles (AUVs) has become a topic of interest for many academic and commercial applications. Herein, we take on the problem of state estimation during an autonomous underwater docking mission. Docking operations typically involve only two actors, a chaser and a target. We leverage the similarities to proximity operations (prox-ops) from spacecraft robotic missions to frame the diverse docking scenarios with a set of phases the chaser undergoes on the way to its target. We use factor graphs to generalize the underlying estimation problem for arbitrary underwater prox-ops. To showcase our framework, we use this factor graph approach to model an underwater homing scenario with an active target as a Simultaneous Localization and Mapping problem. Using basic AUV navigation sensors, relative Ultra-short Baseline measurements, and the assumption of constant dynamics for the target, we derive factors that constrain the chaser's state and the position and trajectory of the target. We detail our front- and back-end software implementation using open-source software and libraries, and verify its performance with both simulated and field experiments. Obtained results show an overall increase in performance against the unprocessed measurements, regardless of the presence of an adversarial target whose dynamics void the modeled assumptions. However, challenges with unmodeled noise parameters and stringent target motion assumptions shed light on limitations that must be addressed to enhance the accuracy and consistency of the proposed approach.

연구 동기 및 목표

• 자기주도 수중 도킹을 위한 과제를 해결하기 위해, 추적자와 목표물의 상태를 실시간으로 추정해야 한다.
• 우주선의 근접 작동 개념을 수중 AUV 임무에 확장하여, 도킹을 동적 단계의 연속으로 프레임화한다.
• 최소한의 센서 데이터로 AUV 자세와 목표물 궤적을 동시에 추정하는 통합된 SLAM 공식을 개발한다.
• 현실적이고 악성 조건에서의 시뮬레이션 및 현장 실험을 통해 접근 방식을 검증한다.
• 모델링되지 않은 노이즈와 강성 있는 운동 가정으로 인한 정확도 저하 원인을 규명한다.

제안 방법

• 프레임워크는 인자 그래프를 사용해 문제를 모델링하며, AUV 및 목표물 상태를 변수로, 센서 제약 조건을 인자로 표현한다.
• 운동 모델 인자는 시간 간격 사이에 목표물의 일정한 속도와 헤딩을 강제하기 위해 상태 전이 방정식을 사용하는 운동학적 모델을 활용한다.
• 상대적 USBL 측정치는 추적자와 목표물 사이의 거리와 방위 제약 조건을 제공하며, 핵심 관측 인자가 된다.
• 깊이 인자는 압력 센서 데이터를 사용해 AUV의 수직 위치를 제약 조건으로 삼으며, 자세 업데이트를 위해 SE(3) 다양체에서 유도된 야코비안을 사용한다.
• 비선형 최적화는 오픈소스 라이브러리를 사용해 구현되며, SO(3) 및 SE(3)에서 지수 매핑을 통한 점진적 업데이트가 이루어진다.
• 백엔드는 인자 그래프 비용 함수를 최소화하기 위해 가우스-뉴턴 솔버를 사용하여 추적자 및 목표물 궤적을 동시에 정밀 조정한다.

실험 결과

연구 질문

• RQ1 어떻게 수중 근접 작동 중 AUV 궤적과 활성 목표물 운동을 동시에 추정할 수 있는 통합된 SLAM 프레임워크를 설계할 수 있는가?
• RQ2 최소한의 탑재 장비로도 강건한 상태 추정을 달성하기 위해 필요한 센서 모odal리티와 인자 그래프 구성 요소는 무엇인가?
• RQ3 가정된 일정한 속도 모델을 위반하는 악성 목표물 운동 조건에서 제안된 방법의 성능은 어떠한가?
• RQ4 실제 노이즈와 모델 편차 상황에서 추정 파이프라인의 주요 오차 원인과 일관성 없는 요소는 무엇인가?
• RQ5 궤적 정확도 및 수렴성 측면에서 이 프레임워크는 원시 측정치보다 어느 정도 뛰어나게 성능을 발휘하는가?

주요 결과

• 제안된 SLAM 프레임워크는 시뮬레이션과 현장 실험 모두에서 원시 USBL 측정치에 비해 궤적 추정 정확도를 크게 향상시킨다.
• 목표물이 일정한 속도 가정을 위반하는 악성 운동을 보일 때조차도 이 방법은 강건한 성능을 유지한다.
• 압력 센서 데이터에서 유도된 깊이 인자는 안정적인 수직 상태 추정에 기여하지만, 그 야코비안은 AUV의 요우 및 피치 각도에 의존한다.
• 모델링되지 않은 노이즈 매개변수와 목표물 운동에 대한 과도하게 제한적인 가정으로 인해 성능 저하가 관측된다.
• 오픈소스 도구를 사용한 구현은 실세계 AUV 배치에 대한 실현 가능성과 확장성을 보여준다.