グローバル状態に依存しない空中-地上協調のためのロバスト能動知覚制御

本論文は、UAV-UGV間の相対状態をglobal localizationに依存せず制御するための、COPAというactive-perceptionフレームワークを提案する。UGVに取り付けたpassive markerを単眼カメラで捉え、single-axis gimbalでカメラ光軸をUAVのpitch姿勢から分離する。TCNでUGVの短時間加速度・角速度を予測し、MPCでUAVとgimbalを同時最適化する。シミュレーションと実機実験で追従性能を検証している。

従来のaerial-ground cooperationは両ロボットのglobal estimate維持を前提とし、global localizationに依存していた。また固定カメラではUAV姿勢とFOV制約が衝突しUGVを見失う問題があった。COPAはUGV付随のnon-inertial frameでの直接制御とsingle-axis gimbalにより、global-state-freeで連続的なtarget visibilityを維持する点が優れる。

技術の肝は次の3点。 - single-axis gimbalでcamera optical axisをUAV pitchからdecoupleする。 - UAV motion、gimbal angle、UGV motionとtarget image-plane stateの関係を表すactive-perception modelを導出する。 - TCNがglobal-state measurementなしに最近のmotion historyからUGVのshort-horizon accelerationとangular velocityを予測し、MPCがUAVとgimbal制御をjointly optimizeする。

シミュレーションでCOPAが連続的なtarget visibilityを維持することを示した。ablation studiesでTCNがUGV motion transitions時のpeak errorsを低減することを確認した。実世界実験ではUGV加速度最大3m/s^2、yaw rate最大1.0rad/sでrobust trackingを実証した。

要旨からは不明。global-state-free制御の限界、gimbalの単軸制約、TCN予測誤差の影響、実環境の外乱や照明条件などについての議論は要旨に記載がない。

要旨で参照・比較されている研究は明示されていない。関連手法として、vision-based relative pose estimation、passive marker、Temporal Convolutional Network (TCN)、Model Predictive Control (MPC)、active perception、aerial-ground cooperationの定番文献を次に読むべき。具体的な論文名は要旨からは不明。