[论文解读] Measurement Scheduling for Cooperative Localization in Resource-Constrained Conditions

Yan Qi, Li Jiang+1 more|arXiv (Cornell University)|Dec 10, 2019

Indoor and Outdoor Localization Technologies参考文献 30被引用 17

一句话总结

该论文提出了一种面向资源受限多机器人系统的去中心化、无需通信的测量调度算法，用于协作定位。每个机器人通过一种贪心启发式方法本地选择有限数量的地标机器人，以最小化联合定位不确定性的上界，从而在显著降低计算成本的同时，实现与当前最先进方法相当的性能，且在调度过程中无需机器人之间的协调。

ABSTRACT

This paper studies the measurement scheduling problem for a group of N mobile robots moving on a flat surface that are preforming cooperative localization (CL). We consider a scenario in which due to the limited on-board resources such as battery life and communication bandwidth only a given number of relative measurements per robot are allowed at observation and update stage. Optimal selection of which teammates a robot should take a relative measurement from such that the updated joint localization uncertainty of the team is minimized is an NP-hard problem. In this paper, we propose a suboptimal greedy approach that allows each robot to choose its landmark robots locally in polynomial time. Our method, unlike the known results in the literature, does not assume full-observability of CL algorithm. Moreover, it does not require inter-robot communication at scheduling stage. That is, there is no need for the robots to collaborate to carry out the landmark robot selections. We discuss the application of our method in the context of an state-of-the-art decentralized CL algorithm and demonstrate its effectiveness through numerical simulations. Even though our solution does not come with rigorous performance guarantees, its low computational cost along with no communication requirement makes it an appealing solution for operatins with resource constrained robots.

研究动机与目标

• 解决在电池寿命和通信带宽等严格资源约束下，最小化协作定位中定位不确定性的挑战。
• 开发一种去中心化的测量调度策略，避免在地标选择过程中进行机器人间通信。
• 设计一种低复杂度、可本地计算的算法，使其实现实时运行于资源受限的机器人上。
• 消除对全局可观测性的依赖，使该方法适用于GPS拒止环境（如室内或水下场景）。
• 在大幅降低计算成本的同时，实现接近最优子最优方法的性能。

提出的方法

• 每个机器人独立使用基于最小化联合估计不确定性上界的贪心启发式方法选择其地标机器人。
• 不确定性度量为联合协方差矩阵的行列式对数（logdet），其对应于不确定椭球体的体积。
• 该方法使用logdet的可计算上界来指导地标选择，而无需掌握全局系统状态的完整信息。
• 选择过程在每个机器人本地完成，仅依赖于其自身的状态估计和相对测量模型，避免了实时协调。
• 该算法时间复杂度为多项式时间，专为在低资源机器人上实现实时运行而设计。
• 该方法不假设具备全可观测性，因此适用于GPS拒止环境。

实验结果

研究问题

• RQ1 能否设计一种去中心化的测量调度方法，在调度过程中无需机器人间通信，同时保持高定位精度？
• RQ2 如何通过一种贪心的、可本地计算的方法，在协作定位中实现与集中式或协调式子最优方法相当的性能？
• RQ3 在资源约束下最小化不确定性时，计算成本与定位精度之间的权衡关系如何？
• RQ4 能否开发一种无需全可观测性的方法，从而适用于GPS拒止环境（如室内或水下作业）？
• RQ5 该方法在机器人数量和每台机器人允许的测量数增加时，其可扩展性如何？

主要发现

• 所提算法在计算成本显著降低的前提下，实现了与Tzoumas等人[19]的子最优方法相当的定位精度，后者存在已知的最优性差距。
• 当N=9台机器人且qi=1时，每台机器人的平均执行时间为3.05 ms（算法1）对比[19]的19.42 ms，计算时间减少6.4倍。
• 当N增至15且qi=8时，算法1的每机器人执行时间仍保持在8.57 ms的低水平，而[19]需1524 ms，显示出优越的可扩展性。
• 该方法显著优于随机地标选择策略，尤其在qi=1时表现更明显，凸显了在资源受限条件下智能调度的必要性。
• 蒙特卡洛仿真表明，当qi=8时，算法1在整个时间步长内均保持低不确定性（以协方差矩阵的logdet衡量），性能与完整测量情况相当。
• 地标选择具有动态特性——不同时间步选择的机器人不同，表明其具备自适应与上下文感知的行为特征。