Certifiable Mutual Localization and Trajectory Planning for Bearing-Based Robot Swarm

要約

自然界で最も一般的な方法である方位測定は、相互の位置特定と群れのコラボレーションを強化するために、マルチロボット システムで最近注目を集めています。
これらの利点にもかかわらず、現実世界のシナリオでは、感覚ノイズ、障害物の遮蔽、調整されていない群れの動きなどの課題が残り、潜在的に誤った状態推定につながり、システムの柔軟性、実用性、堅牢性が損なわれます。
私たちは、相互位置特定と群計画の両方に関連する理論的および実践的な問題に取り組みます。まず、証明可能な相互位置特定アルゴリズムを提案します。このアルゴリズムは、可逆凸緩和と組み合わせた簡潔な問題定式化を特徴としており、初期値からの独立性とグローバルに最適な相対姿勢回復を可能にします。次に、
では、検出ノイズと群運動が推定の最適性にどのような影響を与えるかを調査するために、ロボットの相互の空間関係と相互の位置特定の間の相互作用に関する包括的な分析を実施します。
最適推定のノイズ耐性を明示的に評価するために、群の軌跡と相関する微分可能なメトリクスを開発します。このメトリクスに対して事前に計算可能な有限のしきい値を確立し、それに応じて群の軌跡を生成することにより、任意のノイズの下で推定の最適性を厳密に保証できます。
これらの発見に基づいて、ロボット間の可視性と推定の最適性の両方を考慮して、安全で滑らかな軌道を生成する最適化ベースの群プランナーが提案されます。数値シミュレーションを通じて、推定器の最適性と証明可能性を評価し、その重要性を強調します。
この結果は、群システムにおける高度な閉ループ インテリジェンスへの道を開く、私たちの手法の大きな可能性を示しています。

要約(オリジナル)

Bearing measurements,as the most common modality in nature, have recently gained traction in multi-robot systems to enhance mutual localization and swarm collaboration. Despite their advantages, challenges such as sensory noise, obstacle occlusion, and uncoordinated swarm motion persist in real-world scenarios, potentially leading to erroneous state estimation and undermining the system’s flexibility, practicality, and robustness.In response to these challenges, in this paper we address theoretical and practical problem related to both mutual localization and swarm planning.Firstly, we propose a certifiable mutual localization algorithm.It features a concise problem formulation coupled with lossless convex relaxation, enabling independence from initial values and globally optimal relative pose recovery.Then, to explore how detection noise and swarm motion influence estimation optimality, we conduct a comprehensive analysis on the interplay between robots’ mutual spatial relationship and mutual localization. We develop a differentiable metric correlated with swarm trajectories to explicitly evaluate the noise resistance of optimal estimation.By establishing a finite and pre-computable threshold for this metric and accordingly generating swarm trajectories, the estimation optimality can be strictly guaranteed under arbitrary noise. Based on these findings, an optimization-based swarm planner is proposed to generate safe and smooth trajectories, with consideration of both inter-robot visibility and estimation optimality.Through numerical simulations, we evaluate the optimality and certifiablity of our estimator, and underscore the significance of our planner in enhancing estimation performance.The results exhibit considerable potential of our methods to pave the way for advanced closed-loop intelligence in swarm systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google