Recursive Distributed Collaborative Aided Inertial Navigation

要約

この論文では、複数の時変センシング方式を備えた異種モバイルエージェントの群れにおけるロバストな位置特定の問題を調査します。
私たちは、エージェントが通信能力と処理能力を備えているという前提の下で、フィルターベースの分離された推定器の開発に焦点を当てています。
分散協調状態推定とモジュラー センサー フュージョンからの発見に基づいて、分離カルマン フィルター (IKF) と呼ばれる新しいカルマン フィルター デカップリング パラダイムを提案します。
このパラダイムは正式に議論され、遅延測定の扱いが研究されています。
行われた近似の影響はさまざまな観測グラフで調査され、フィルターの信頼性はモンテカルロ シミュレーションの線形システムで評価されました。
最後に、マルチエージェント システムのグローバルな状態を分散型で協調的に推定し、さまざまなオンボード センサーから提供される情報を計算効率よく融合するために、IKF パラダイムに基づいたマルチエージェント モジュラー センサー フュージョン アプローチを提案します。
方法。
結果として、このアプローチはエージェント間で分散して実行できますが、(i) エージェント間の通信はエージェント間の共同観察の瞬間にのみ必要です。(ii) 1 つのエージェントが暫定マスターとして機能し、分離された状態修正を処理します。(iii)
) エージェントは群れに追加および削除できます。(iv) 各エージェントの完全な状態はミッション中に変化する可能性があります (各ローカル センサー スイートは真にモジュール化できます)。(v) 遅延およびマルチレートのセンサー更新がサポートされています。
現実的にシミュレートされたデータセットと実世界のデータセットに関する広範な評価により、提案されている分離カルマンフィルタリング (IKF) パラダイムが、真にモジュール化された単一エージェント推定問題と、分散型協調マルチエージェント推定問題の両方に適用できることが示されています。

要約(オリジナル)

In this dissertation, we investigate the issue of robust localization in swarms of heterogeneous mobile agents with multiple and time-varying sensing modalities. Our focus is the development of filter-based and decoupled estimators under the assumption that agents possess communication and processing capabilities. Based on the findings from Distributed Collaborative State Estimation and modular sensor fusion, we propose a novel Kalman filter decoupling paradigm, which is termed Isolated Kalman Filtering (IKF). This paradigm is formally discussed and the treatment of delayed measurement is studied. The impact of approximation made was investigated on different observation graphs and the filter credibility was evaluated on a linear system in a Monte Carlo simulation. Finally, we propose a multi-agent modular sensor fusion approach based on the IKF paradigm, in order to cooperatively estimate the global state of a multi-agent system in a distributed way and fuse information provided by different on-board sensors in a computationally efficient way. As a consequence, this approach can be performed distributed among agents, while (i) communication between agents is only required at the moment of inter-agent joint observations, (ii) one agent acts as interim master to process state corrections isolated, (iii) agents can be added and removed from the swarm, (iv) each agent’s full state can vary during mission (each local sensor suite can be truly modular), and (v) delayed and multi-rate sensor updates are supported. Extensive evaluation on realistic simulated and real-world data sets show that the proposed Isolated Kalman Filtering (IKF) paradigm, is applicable for both, truly modular single agent estimation and distributed collaborative multi-agent estimation problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google