Cooperative Relative Localization in MAV Swarms with Ultra-wideband Ranging

要約

相対位置特定 (RL) は、超小型航空機 (MAV) の群れの運用を成功させるために不可欠です。
インフラストラクチャがなく、GPS が拒否された環境で距離情報のみを使用して正確な 3D RL を達成することは、満足のいく解決が得られていない困難な問題です。
この研究では、超広帯域 (UWB) 測距技術を使用したレンジベースのピアツーピア RL に基づいて、各ホストの相対運動ダイナミクスを統合する新しい UWB ベースの協調相対位置推定 (CRL) ソリューションを開発します。
-neighbor ペアを使用して統合動的モデルを構築し、近隣間の距離を \textit{ボーナス情報} として取得します。
微分幾何学を使用した可観測性分析は、提案された CRL スキームが、ホスト エージェントとその隣接エージェント間の直接距離のみを使用する他の代替案と比較して、可観測部分空間を拡張できることを示しています。
さらに、ヘビーテール UWB ノイズに対処するために、新規設計の Logarithmic-Versoria (LV) カーネルを使用して、カーネル誘発拡張カルマン フィルター (EKF) を CRL 状態推定問題に適用します。
推定アルゴリズムに含まれる固定小数点反復の収束のための十分な条件も導出されます。
比較モンテカルロ シミュレーションにより、提案された CRL スキームと LV カーネル EKF を組み合わせると、測定外れ値と不正確な測定共分散行列の初期化の両方に対する堅牢性により、推定精度が大幅に向上することが実証されました。
さらに、LV カーネルでは、計算の複雑さを軽減するために固定小数点反復を 1 回だけ実行する場合でも、推定は依然として満足のいくものです。

要約(オリジナル)

Relative localization (RL) is essential for the successful operation of micro air vehicle (MAV) swarms. Achieving accurate 3-D RL in infrastructure-free and GPS-denied environments with only distance information is a challenging problem that has not been satisfactorily solved. In this work, based on the range-based peer-to-peer RL using the ultra-wideband (UWB) ranging technique, we develop a novel UWB-based cooperative relative localization (CRL) solution that integrates the relative motion dynamics of each host-neighbor pair to build a unified dynamic model and takes the distances between the neighbors as \textit{bonus information}. Observability analysis using differential geometry shows that the proposed CRL scheme can expand the observable subspace compared to other alternatives using only direct distances between the host agent and its neighbors. In addition, we apply the kernel-induced extended Kalman filter (EKF) to the CRL state estimation problem with the novel-designed Logarithmic-Versoria (LV) kernel to tackle heavy-tailed UWB noise. Sufficient conditions for the convergence of the fixed-point iteration involved in the estimation algorithm are also derived. Comparative Monte Carlo simulations demonstrate that the proposed CRL scheme combined with the LV-kernel EKF significantly improves the estimation accuracy owing to its robustness against both measurement outliers and incorrect measurement covariance matrix initialization. Moreover, with the LV kernel, the estimation is still satisfactory when performing the fixed-point iteration only once for reduced computational complexity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google