HGP-RL: Distributed Hierarchical Gaussian Processes for Wi-Fi-based Relative Localization in 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 (マップの結合など)、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ています。このギャップを改善するために、共通のアルゴリズムを使用して相対位置推定 (RL) を実行する新しい分散アプローチを提案します。
アクセスポイント(AP)。
これを効率的に達成するために、ロボットが接続されている Wi-Fi AP からの無線信号強度インジケーター (RSSI) 値の新しい階層ガウス プロセス (HGP) マッピングを提案します。
各ロボットは、HGP マップを使用して階層推論を実行し、基準フレーム内の AP の位置を特定します。ロボットは、AP 指向の代数変換を利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 WiFi 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における提案された HGR-PL のパフォーマンスを、いくつかの最先端の方法に対して広範囲に検証しました。
この結果は、位置特定精度、計算、通信オーバーヘッドに関して HGP-RL のパフォーマンスが優れていることを示しています。
最後に、3 台の移動ロボットのチームでランデブー タスクを達成するためのマルチロボット協調実験を通じて、HGP-RL の有用性を示します。

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 (e.g., map merging), dependencies on well-structured environments, etc. To remedy this gap, we propose a new distributed approach to perform relative localization (RL) using a common Access Point (AP). To achieve this efficiently, we propose a novel Hierarchical Gaussian Processes (HGP) mapping of the Radio Signal Strength Indicator (RSSI) values from a Wi-Fi AP to which the robots are connected. Each robot performs hierarchical inference using the HGP map to locate the AP in its reference frame, and the robots obtain relative locations of the neighboring robots leveraging AP-oriented algebraic transformations. The approach readily applies to resource-constrained devices and relies only on the ubiquitously-available WiFi RSSI measurement. We extensively validate the performance of the proposed HGR-PL in Robotarium simulations against several state-of-the-art methods. The results indicate superior performance of HGP-RL regarding localization accuracy, computation, and communication overheads. Finally, we showcase the utility of HGP-RL through a multi-robot cooperative experiment to achieve a rendezvous task in a team of three mobile robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google