GPRL: Gaussian Processes-Based Relative Localization for Multi-Robot Systems

要約

相対位置特定は、特に GPS が拒否された環境でマルチロボット システムが協調タスクを実行するために重要です。
マルチロボットの相対位置特定のための現在の技術は、カメラや LIDAR などの高価なセンサーや短距離センサーに依存しています。
その結果、これらのアルゴリズムは、高い計算複雑性、適切に構造化された環境への依存性などの課題に直面します。これらの制限を克服するために、ロボットが接続されている単一の無線アクセス ポイント (AP) からの無線信号強度インジケーター (RSSI) 値のガウス プロセス マップを使用して相対位置特定を実行する新しい分散アプローチを提案します。
私たちのアプローチであるガウス過程ベースの相対位置推定 (GPRL) は 2 つの柱を組み合わせたものです。
まず、ロボットが AP の位置を特定します。
新しい階層推論を使用してローカル参照フレームを作成し、計算の複雑さを大幅に軽減します。
次に、ロボットは AP 指向のベクトル変換を使用して隣接するロボットの相対位置を取得します。
このアプローチは、リソースに制約のあるデバイスに容易に適用でき、どこでも利用できる RSSI 測定のみに依存します。
私たちは、ロボタリウム シミュレーションで提案された GRPL の 2 つの柱のパフォーマンスを広範囲に検証します。
また、3 台の実世界ロボットのチームによるマルチロボット ランデブー タスクを通じて、GPRL の適用可能性を実証します。
結果は、GPRL が精度、計算、リアルタイム パフォーマンスに関して最先端のアプローチを上回っていることを示しています。

要約(オリジナル)

Relative localization is crucial for multi-robot systems to perform cooperative tasks, especially in GPS-denied environments. Current techniques for multi-robot relative localization rely on expensive or short-range sensors such as cameras and LIDARs. As a result, these algorithms face challenges such as high computational complexity, dependencies on well-structured environments, etc. To overcome these limitations, we propose a new distributed approach to perform relative localization using a Gaussian Processes map of the Radio Signal Strength Indicator (RSSI) values from a single wireless Access Point (AP) to which the robots are connected. Our approach, Gaussian Processes-based Relative Localization (GPRL), combines two pillars. First, the robots locate the AP w.r.t. their local reference frames using novel hierarchical inferencing that significantly reduces computational complexity. Secondly, the robots obtain relative positions of neighbor robots with an AP-oriented vector transformation. The approach readily applies to resource-constrained devices and relies only on the ubiquitously-available RSSI measurement. We extensively validate the performance of the two pillars of the proposed GRPL in Robotarium simulations. We also demonstrate the applicability of GPRL through a multi-robot rendezvous task with a team of three real-world robots. The results demonstrate that GPRL outperformed state-of-the-art approaches regarding accuracy, computation, and real-time performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google