[论文解读] Roboat II: A Novel Autonomous Surface Vessel for Urban Environments

Wei Wang, Tixiao Shan+5 more|ArXiv.org|Jul 20, 2020

Underwater Vehicles and Communication Systems参考文献 26被引用 5

一句话总结

本文提出 Roboat II，一种专为城市水道设计的大规模自主水面航行器，集成非线性模型预测控制（NMPC）与非线性移动窗口估计（NMHE），并采用基于因子图的 SLAM 系统，融合 LiDAR、IMU 和 GPS 数据。该系统在真实河流环境中实现了厘米级定位与亚米级轨迹跟踪，展现出在城市自主航运及基础设施部署方面的稳健性能。

ABSTRACT

This paper presents a novel autonomous surface vessel (ASV), called Roboat II for urban transportation. Roboat II is capable of accurate simultaneous localization and mapping (SLAM), receding horizon tracking control and estimation, and path planning. Roboat II is designed to maximize the internal space for transport and can carry payloads several times of its own weight. Moreover, it is capable of holonomic motions to facilitate transporting, docking, and inter-connectivity between boats. The proposed SLAM system receives sensor data from a 3D LiDAR, an IMU, and a GPS, and utilizes a factor graph to tackle the multi-sensor fusion problem. To cope with the complex dynamics in the water, Roboat II employs an online nonlinear model predictive controller (NMPC), where we experimentally estimated the dynamical model of the vessel in order to achieve superior performance for tracking control. The states of Roboat II are simultaneously estimated using a nonlinear moving horizon estimation (NMHE) algorithm. Experiments demonstrate that Roboat II is able to successfully perform online mapping and localization, plan its path and robustly track the planned trajectory in the confined river, implying that this autonomous vessel holds the promise on potential applications in transporting humans and goods in many of the waterways nowadays.

研究动机与目标

• 开发一种可扩展的自主水面航行器，能够在阿姆斯特丹运河等狭窄复杂的城市水道环境中运行。
• 通过多传感器融合与 SLAM 技术，解决在 GPS 信号受限的城市环境中的高精度定位挑战。
• 通过集成 NMPC 与 NMHE 状态估计，实现在动态、噪声较大的水环境中的精确轨迹跟踪。
• 通过支持可自主运行、具备载重能力的航行器实现对接与相互连接，推动城市交通与基础设施发展。
• 在真实河流环境中验证系统性能，采用高精度性能指标进行评估。

提出的方法

• 基于因子图的 SLAM 框架融合来自 3D LiDAR、IMU 和 GPS 的数据，实现在城市水道中的厘米级定位与在线地图构建。
• 在线非线性模型预测控制器（NMPC）利用对 Roboat II 实验识别的动力学模型，生成最优控制输入以实现轨迹跟踪。
• 非线性移动窗口估计（NMHE）算法同时利用噪声传感器测量值估计完整状态向量（位置、速度、姿态）。
• NMPC 与 NMHE 紧密集成，通过完整状态反馈实现在环境扰动下的鲁棒、实时控制。
• 航行器船体采用 1:2 的长宽比设计，并配备模块化连接器，支持多车对接与可扩展基础设施构建。
• 基于 A* 的路径规划器以 10 Hz 的频率生成参考轨迹，通过在 NMPC 中施加航向误差惩罚实现轨迹跟踪，避免振荡。

实验结果

研究问题

• RQ1 在 GPS 信号受限的城市水道中，基于多传感器融合的大型自主水面航行器能否实现厘米级定位？
• RQ2 集成的 NMPC-NMHE 控制框架在存在水动力干扰与测量噪声的情况下，如何提升轨迹跟踪精度？
• RQ3 全向性、模块化 ASV 设计在多大程度上可实现动态对接与互联，以支持城市基础设施应用？
• RQ4 在真实河流环境中，采用完全识别的动力学模型的 NMPC 相较于运动学或简化模型，性能表现如何？
• RQ5 基于 LiDAR 与惯性数据的鲁棒 SLAM 系统能否在狭窄、杂乱的城市运河中保持高精度？

主要发现

• Roboat II 在真实河流实验中实现了 0.096 m 的位置跟踪均方根误差（RMSE）与 0.149 rad 的航向角跟踪 RMSE。
• NMHE 状态估计成功跟踪了参考速度，估计的纵向速度（u）与横向速度（v）紧密跟随 0.6 m/s 与 0 m/s 的设定值。
• NMPC 输出的控制力保持在物理限制范围内，行驶过程中左右推进器协同提供推力；在偏离轨迹校正时，四个推进器均处于工作状态。
• 系统对环境噪声表现出鲁棒性，即使在路径振荡与快速转向机动期间，轨迹跟踪依然稳定。
• Roboat II 的实验识别水动力参数为：m₁₁ = 172 kg，m₂₂ = 188 kg，m₃₃ = 24 kg·m²，Xᵤ = 38 kg/s，Yᵥ = 168 kg/s，Nᵣ = 16 kg·m²/s。
• 该航行器成功在查尔斯河完成多次自主导航循环，包括路径规划、轨迹跟踪与目标抵达，验证了在真实城市水道环境中完整自主系统的可靠性。