[论文解读] WSR: A WiFi Sensor for Collaborative Robotics.

Ninad Jadhav, Weiying Wang+4 more|arXiv (Cornell University)|Dec 8, 2020

Indoor and Outdoor Localization Technologies参考文献 72被引用 4

一句话总结

本文提出 WSR，一种基于 WiFi 的传感器，使协作机器人能够在无视距和遮挡环境中无需外部基础设施即可估计相对方向（波达方向，AoA）。通过利用移动机器人的三维轨迹来模拟合成天线阵列，WSR 采用一种可推广至任意运动形式的框架计算 AoA 分布，并基于 Cramér-Rao 下界推导出一种闭式信息度量，显著提升了相较于以往 SAR 基方法的 AoA 估计精度。

ABSTRACT

In this paper we derive a new capability for robots to measure relative direction, or Angle-of-Arrival (AOA), to other robots operating in non-line-of-sight and unmapped environments with occlusions, without requiring external infrastructure. We do so by capturing all of the paths that a WiFi signal traverses as it travels from a transmitting to a receiving robot, which we term an AOA profile. The key intuition is to emulate antenna arrays in the air as the robots move in 3D space, a method akin to Synthetic Aperture Radar (SAR). The main contributions include development of i) a framework to accommodate arbitrary 3D trajectories, as well as continuous mobility all robots, while computing AOA profiles and ii) an accompanying analysis that provides a lower bound on variance of AOA estimation as a function of robot trajectory geometry based on the Cramer Rao Bound. This is a critical distinction with previous work on SAR that restricts robot mobility to prescribed motion patterns, does not generalize to 3D space, and/or requires transmitting robots to be static during data acquisition periods. Our method results in more accurate AOA profiles and thus better AOA estimation, and formally characterizes this observation as the informativeness of the trajectory; a computable quantity for which we derive a closed form. All theoretical developments are substantiated by extensive simulation and hardware experiments. We also show that our formulation can be used with an off-the-shelf trajectory estimation sensor. Finally, we demonstrate the performance of our system on a multi-robot dynamic rendezvous task.

研究动机与目标

• 在无视距和遮挡环境中，使移动机器人之间无需依赖外部基础设施即可实现相对方向估计（波达方向，AoA）。
• 克服以往基于合成孔径雷达（SAR）方法的局限性，这些方法限制机器人必须按固定轨迹运动且需要静止发射机。
• 开发一种通用框架，支持任意三维机器人轨迹并允许在 AoA 估计过程中保持连续移动。
• 通过基于 Cramér-Rao 下界的闭式表达式，正式量化机器人轨迹在 AoA 估计中的信息度。
• 通过仿真、硬件实验以及与市售轨迹传感器集成，在动态多机器人会合任务中验证该方法。

提出的方法

• 该方法捕获机器人之间 WiFi 信号的所有多径分量，形成全面的 AoA 分布，以反映信号的空间传播特性。
• 利用机器人在三维空间中的运动作为合成孔径，通过轨迹多样性在自由空间中模拟大型虚拟天线阵列。
• 建立数学框架，从任意三维轨迹计算 AoA 分布，支持发射与接收机器人持续移动。
• 应用 Cramér-Rao 下界推导出 AoA 估计方差的理论下限，并据此定义一种基于闭式表达式的轨迹信息度量。
• 该框架设计为与市售惯性或推算式轨迹传感器兼容，支持实际部署。
• 通过大量仿真和硬件实验验证该方法，包括动态多机器人会合任务。

实验结果

研究问题

• RQ1 是否可以仅使用 WiFi 信号和移动机器人运动，在无视距和遮挡环境中实现无需外部基础设施的机器人之间波达方向（AoA）估计？
• RQ2 与固定或受限运动模式相比，如何利用任意三维机器人轨迹提升 AoA 估计精度？
• RQ3 AoA 估计方差的理论下限如何随轨迹几何结构变化？该下限能否以闭式形式计算？
• RQ4 机器人轨迹的信息度（即其减少 AoA 估计不确定性能力）如何依赖于其三维空间构型？
• RQ5 所提出的框架是否可实际部署于市售轨迹传感器，并在真实世界多机器人任务中表现良好？

主要发现

• 所提出的 WSR 框架可在仅使用 WiFi 信号和移动机器人运动的前提下，实现 3D、无视距和遮挡环境下的高精度、无基础设施 AoA 估计。
• 通过利用任意三维轨迹，WSR 相较于以往受限于运动模式或需静止发射机的 SAR 基方法，显著提升了 AoA 估计精度。
• 基于 Cramér-Rao 下界推导出的闭式信息度量，定量刻画了轨迹几何结构对估计精度的影响，支持最优轨迹设计。
• 硬件实验验证了理论预测，表明在多种三维运动模式下 AoA 估计性能均持续提升。
• 系统成功支持动态多机器人会合任务，展示了在真实协作场景中的鲁棒性与实用性。
• 与市售轨迹传感器的集成可行且高效，无需专用硬件即可实现部署。