Fully Onboard SLAM for Distributed Mapping with a Swarm of Nano-Drones

要約

無人航空機 (UAV) の使用は、監視や救急任務から、他の機械や人間との協力を伴う産業オートメーションに至るまで、幅広い用途で急速に増加しています。
エリアのカバー範囲を最大化し、ミッションの待ち時間を短縮するために、連携するドローンの群れが重要な研究の方向性になっています。
ただし、このアプローチには、測位、マッピング、通信における未解決の課題に対処する必要があります。
この研究では、ナノ UAV の群れに基づく分散マッピング システムについて説明します。このシステムは、35 g の限られたペイロードと厳しく制限されたオンボード センシングおよびコンピューティング機能を特徴としています。
各 nano-UAV には、4 方向の障害物までの相対距離を測定する 4 つの 64 ピクセル深度センサーが装備されています。
提案されたシステムは、外部インフラに依存することなく、群れからの情報をマージし、一貫したグリッド マップを生成します。
データ融合は、反復最近点アルゴリズムと、グラフベースの同時位置特定およびマッピング アルゴリズムを使用して実行され、わずか 192 kB の SRAM メモリを備えた UAV の低電力 ARM Cortex-M マイクロコントローラー上で完全に実行されます。
最大 4 台のナノ UAV の群れから 3 つの異なる迷路で収集されたフィールド結果は、マッピング精度が 12 cm であることを証明し、マッピング時間がエージェントの数に反比例することを示しています。
提案されたフレームワークは、通信帯域幅とオンボード計算の複雑さの点で線形に拡張し、最大 20 のナノ UAV 間の通信と、わずか 50 KB のメモリを必要とする選択された構成で最大 180 平方メートルのエリアのマッピングをサポートします。

要約(オリジナル)

The use of Unmanned Aerial Vehicles (UAVs) is rapidly increasing in applications ranging from surveillance and first-aid missions to industrial automation involving cooperation with other machines or humans. To maximize area coverage and reduce mission latency, swarms of collaborating drones have become a significant research direction. However, this approach requires open challenges in positioning, mapping, and communications to be addressed. This work describes a distributed mapping system based on a swarm of nano-UAVs, characterized by a limited payload of 35 g and tightly constrained on-board sensing and computing capabilities. Each nano-UAV is equipped with four 64-pixel depth sensors that measure the relative distance to obstacles in four directions. The proposed system merges the information from the swarm and generates a coherent grid map without relying on any external infrastructure. The data fusion is performed using the iterative closest point algorithm and a graph-based simultaneous localization and mapping algorithm, running entirely on-board the UAV’s low-power ARM Cortex-M microcontroller with just 192 kB of SRAM memory. Field results gathered in three different mazes from a swarm of up to 4 nano-UAVs prove a mapping accuracy of 12 cm and demonstrate that the mapping time is inversely proportional to the number of agents. The proposed framework scales linearly in terms of communication bandwidth and on-board computational complexity, supporting communication between up to 20 nano-UAVs and mapping of areas up to 180 m2 with the chosen configuration requiring only 50 kB of memory.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google