MURP: Multi-Agent Ultra-Wideband Relative Pose Estimation with Constrained Communications in 3D Environments

要約

エージェント間の相対的な位置特定は、外部測位インフラストラクチャや事前の環境知識がない状態で動作する多くのマルチロボット システムにとって重要です。
我々は、参加する各エージェントがいくつかの超広帯域 (UWB) 測距タグを装備する、新しいエージェント間相対 3D 姿勢推定システムを提案します。
従来の研究では通常、ノイズの多い UWB 範囲測定をオドメトリなどの追加の連続送信データで補完しており、チーム サイズの増加や通信ネットワーク能力の低下に伴う潜在的なスケーリングの問題につながりました。
各エージェントに複数の UWB アンテナを装備することで、私たちのアプローチは、ローカルで収集された UWB 範囲測定値、アプリオリな状態制約、および制約が違反されたときの検出のみを使用して、これらの懸念に対処します。
学習した平均測距バイアス補正を活用することで、位置誤差が 19% 改善され、実験による平均絶対位置誤差と方位誤差がそれぞれ 0.24 m と 9.5 度になりました。
他の最先端のアプローチと比較すると、私たちの取り組みは、通信コストが大幅に高い方法との競争力を維持しながら、同様のシステムよりもパフォーマンスが向上していることを示しています。
さらに、データセットも利用可能にします。

要約(オリジナル)

Inter-agent relative localization is critical for many multi-robot systems operating in the absence of external positioning infrastructure or prior environmental knowledge. We propose a novel inter-agent relative 3D pose estimation system where each participating agent is equipped with several ultra-wideband (UWB) ranging tags. Prior work typically supplements noisy UWB range measurements with additional continuously transmitted data, such as odometry, leading to potential scaling issues with increased team size and/or decreased communication network capability. By equipping each agent with multiple UWB antennas, our approach addresses these concerns by using only locally collected UWB range measurements, a priori state constraints, and detections of when said constraints are violated. Leveraging our learned mean ranging bias correction, we gain a 19% positional error improvement giving us experimental mean absolute position and heading errors of 0.24m and 9.5 degrees respectively. When compared to other state-of-the-art approaches, our work demonstrates improved performance over similar systems, while remaining competitive with methods that have significantly higher communication costs. Additionally, we make our datasets available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google