Tightly Joining Positioning and Control for Trustworthy Unmanned Aerial Vehicles Based on Factor Graph Optimization in Urban Transportation

要約

無人航空機 (UAV) は、来たるべきスマートシティ時代における宅配アプリケーションの効率を向上させる上で大きな可能性を示しました。
残念ながら、UAV の信頼できる測位および制御アルゴリズムは、複雑な都市部では大きな課題となっています。
たとえば、ユビキタスな全地球航法衛星システム (GNSS) の測位は、周囲の高層ビルからの信号反射によって低下する可能性があり、測位の不確実性が大幅に増加します。
都市部の峡谷における複雑な風の乱れにより、制御アルゴリズムにはさらなる課題が生じます。
システムの位置決めと制御が相互に高度に相関しているという事実を考慮して、たとえば、制御のシステムダイナミクスが位置決めに大きく役立つ可能性があることを考慮して、この論文では、ファクターグラフ最適化に基づく統合位置決めおよび制御手法(JPCM)を提案しました(
FGO)、センサーの測定と制御の意図を組み合わせます。
特に、測位測定値は、GNSS からの測位など、ファクター グラフ モデルの因子として定式化されます。
モデル予測制御 (MPC) も、ファクター グラフ モデルの追加因子として定式化されます。
位置決め因子と MPC ベースの因子の両方によって寄与される因子グラフを解くことにより、位置決めと制御の相補性を完全に調べることができます。
信頼性の高いシステム動的パラメータを保証するために、シミュレーションされたクアローター システムを使用して提案された方法の有効性を検証します。これにより、軌道追従性能が大幅に向上しました。
研究コミュニティに利益をもたらすために、私たちはコードをオープンソース化し、https://github.com/RoboticsPolyu/IPN_MPC で利用できるようにしています。

要約(オリジナル)

Unmanned aerial vehicles (UAV) showed great potential in improving the efficiency of parcel delivery applications in the coming smart cities era. Unfortunately, the trustworthy positioning and control algorithms of the UAV are significantly challenged in complex urban areas. For example, the ubiquitous global navigation satellite system (GNSS) positioning can be degraded by the signal reflections from surrounding high-rising buildings, leading to significantly increased positioning uncertainty. An additional challenge is introduced to the control algorithm due to the complex wind disturbances in urban canyons. Given the fact that the system positioning and control are highly correlated with each other, for example, the system dynamics of the control can largely help with the positioning, this paper proposed a joint positioning and control method (JPCM) based on factor graph optimization (FGO), which combines sensors’ measurements and control intention. In particular, the positioning measurements are formulated as the factors in the factor graph model, such as the positioning from the GNSS. The model predictive control (MPC) is also formulated as the additional factors in the factor graph model. By solving the factor graph contributed by both the positioning factor and the MPC-based factors, the complementariness of positioning and control can be fully explored. To guarantee reliable system dynamic parameters, we validate the effectiveness of the proposed method using a simulated quadrotor system which showed significantly improved trajectory following performance. To benefit the research community, we open-source our code and make it available at https://github.com/RoboticsPolyu/IPN_MPC.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google