高度なIMUとセンサフュージョンによる自律型ロボットの位置推定精度の向上

慣性計測装置（IMU）は、産業用ロボティクス、ヒューマノイドロボット、無人航空機（UAV）、没入型複合現実感システムなど、幅広い移動システムの基盤となっています。これらのシステムに対する具体的な要求はアプリケーションによって異なりますが、設計者は、自律走行ロボット（AMR）と呼ばれる一般的なアプリケーションクラス向けに、より正確でリアルタイムな方角および動作データを提供するという課題に常に直面しています。

この記事では、AMRの位置推定における特有の課題について簡単に説明します。次に、Analog Devicesの高度なIMUを紹介し、広範な分野横断的使用から得た教訓を活かしつつ、屋内や全地球測位システム（GPS）が使用できない環境における、これらの課題に対処するためにIMUをどのように使用できるかを示します。

位置推定がAMR開発者にとって課題となる理由

AMRは、スマートファクトリや倉庫の生産性において中心的な役割を果たしており、資材の流れを合理化、廃棄物の削減、利用率の向上に役立っています。施設内での正確な位置推定を保証することは、成功の鍵となります。専用の施設では、適切に配置された基準点（基準マーカー）や最適化されたレイアウトによって、AMRの位置推定に関する課題を軽減することができますが、ほとんどのAMRは既存の施設で稼働しています。こうした施設では、照明の変化、反射面、複雑な形状が組み合わさり、位置推定がはるかに困難になります。

さらに、標準化された通路幅や予測可能な床のマーキングなど、一貫したインフラが欠けているため、ロボットはより複雑なナビゲーションやマッピングの課題に直面することになります。

ナビゲーション環境の性質により、2つの重要な運用上の課題が生じます¹。

• まず、ロボットは、現在の状況に基づいて、その環境を通る最適なルートを決定するために、効率的な経路計画を実行しなければなりません。
• 次に、移動中に、自身の位置と方向をリアルタイムで継続的に更新しながら、正確な位置推定を実行しなければなりません。

GPSが利用できない屋内環境では、これらの2つの目的は、搭載されたセンサの能力と計算リソースによってすべて達成されなければなりません。

これらの課題を対処するため、AMRはさまざまなセンサモダリティを組み合わせて使用します。カメラ、光検出と測距（LiDAR）、レーダを含む視覚認識システムは、豊富な環境データを提供します。ホイールエンコーダやIMUなどのオドメトリシステムは、ロボットの動きから直接その移動を追跡します。各センサタイプには、それぞれ明確な利点があります。長距離検知に優れたものもあれば、精密検知に優れたものもありますが、それぞれ限界もあります。これらをインテリジェントに組み合わせることで、AMRはダイナミックで予測不可能な状況においても精度を維持するために必要な冗長性とカバレッジを実現することができます。

IMUが測定する内容とその重要性

IMUは、微小電気機械システム（MEMS）センサを統合し、3次元の加速度と角速度を測定します。3軸加速度センサは、地球の重力に対するx軸、y軸、z軸方向の動きを測定し、傾きなどの静的な力と、動作中の加速度などの動的な力の両方を捉えます（図1）。

図1：3軸加速度センサは、x軸、y軸、z軸方向の加速度を測定し、動的運動データと静的重力基準の両方を提供します。（画像提供：Analog Devices）

3軸ジャイロスコープは、各軸の角速度（ωx、ωy、ωz）を測定し（図2）、ロボットが姿勢変化を追跡することを可能にします。

図2：3軸ジャイロスコープは各軸周りの角速度を測定し、姿勢変化の正確な追跡を可能にします。（画像提供：Analog Devices）

最新のIMUの加速度センサとジャイロスコープの核心部では、MEMS構造が加速度や回転を受けると歪んだり、または振動し、その結果生じる静電容量や振動周波数が電気信号に変換されます。MEMSベースのIMUの利点は、小型、低消費電力、高測定レートを兼ね備えている点にあり、これによりモバイルプラットフォームへの統合が現実的となっています。

一部のIMUには、その能力を拡張する追加センサを搭載しているものもあります。高性能な地磁気センサは磁場を測定し、過酷な環境下での姿勢推定を支援します。ただし地磁気センサは従来型IMUでより一般的です。内蔵温度センサにより、加速度センサとジャイロスコープデータの温度補正が可能になります。気圧センサが搭載されている場合もあり、大気圧を測定し、高度を推定します。

センサアレイに加え、高度なIMUは、A/Dコンバータ、予備的な有限インパルス応答フィルタ、センサのバイアスや軸のずれを補正するための工場出荷時較正を行うための広範なデータ収集信号チェーンも統合されています（図3）。これらのデバイスでは、出力前にIMUの内部座標系からロボットの座標系へ変換するための回転（dƟ）処理を可能とする場合が多く、これによりメインプロセッサの計算負荷を軽減できます。

図3：高度なIMUの機能ブロック図は、検知、較正、補正、フィルタリングを提供する広範なセンサ信号チェーンが単一の小型デバイスに統合されている様子を示しています。（画像提供：Analog Devices）

他のセンサが機能不全に陥った際に、IMUが位置推定を強化する方法

物理的環境の特性によって、個々のセンサモダリティの有効性に影響が生じる場合があります。さまざまなセンサシステムの限界を補うため、一般的なAMRは、ビジョンセンサ、飛行時間（ToF）システム、LiDAR、レーダ、ホイールエンコーダ、IMUなど多様なセンサ群を組み合わせています（図4）。

図4：AMRのセンサ群は通常、ビジョンセンサ、IMU、ホイールエンコーダを組み合わせて、位置推定のための補完的な情報を提供します。（画像提供：Analog Devices）

たとえば、特徴のない通路では（図5）、長い壁面には、視覚的自己位置推定とマッピング（SLAM）アルゴリズムがフレームを保存済みマップに照合するために必要な特徴的な要素が不足しています。固有の視覚的手がかりがない場合、ロボットの姿勢推定は急速にずれてしまい、AMRがその位置を喪失する原因となります。このような状況では、ビジュアルオドメトリが損失しても、IMUが提供する方位および姿勢情報がロボットのナビゲーションを維持することができます。

図5：特徴のない長い通路では、ロボットのビジュアルオドメトリが急速に失敗する可能性があります。IMUからの方位と姿勢の情報が不足している場合、AMRが位置を喪失する原因となります。（画像提供：Analog Devices）

50m × 50mの倉庫のような広大な空間では、多くの視覚特徴がLiDARの有効範囲（通常最大10m～15m）を超えています（図6）。等間隔に配置された棚や保管ラックなどの均一なレイアウトは、複数の異なる場所が類似した外観となるため、ビジュアルオドメトリを混乱させる可能性があります。このシナリオでは、IMU測定値とホイールエンコーダデータの組み合わせにより、ロボットは局所的な姿勢推定を維持できます。

図6：センサの測定範囲の制限と視覚的特徴の不足により視覚センシングが劣化する広大な開放空間では、IMU測定とホイールオドメトリによって位置推定を維持することができます。（画像提供：Analog Devices）

傾斜面もまた別の課題となります（図7）。標準的な2次元LiDARは、平面の点のみを捕捉します。そのため、傾斜面は垂直な障害物として認識される可能性があります。この誤認識は、ナビゲーションを妨げたり、ロボットが通行可能な経路を回避する原因となることがあります。この場合、IMUのピッチ角とロール角のデータが勾配情報を提供し、LiDARの誤認識を軽減します。これによりSLAMアルゴリズムは勾配を解析し、通過可能な傾斜面と真の障害物を区別することが可能になります。

図7：IMUのピッチ角とロール角の測定値は傾斜面の勾配を明らかにし、2D SLAMの誤認識を修正することで、安全なAMRナビゲーションを実現します。（画像提供：Analog Devices）

環境要因もまた、さまざまなセンサモダリティの位置推定性能を低下させます（表1）。照明不足、動的な環境、反射面、豊富なシーン形状の必要性などといった要因は、ほとんどのセンサモダリティに影響を及ぼす可能性があります。

表1：さまざまな環境要因がセンサの有効性に与える影響を示しています。（表提供：Analog Devices）

IMUの独自の性能特性がAMRにもたらす利点

IMUは知覚センサよりも高い更新レートで動作するため、環境の動的な変化に迅速に対応することが可能です。一般的に10Hz～30Hzで動作する知覚システムとは異なり、IMUは200Hzで処理済みデータを提供し、生データは最大4kHzで取得可能です。更新速度が10倍高速なIMUにより、知覚測定間の長い間隔においても姿勢推定値の更新が可能となります。この高い更新レートは、最終的に動きの急激な変化に対する反応時間の短縮につながり、動的な環境におけるシステムの信頼性を高めます。

IMUはAMRの自律航法の基盤を提供します。自律航法では、IMUの加速度および角度測定値の積分に基づいて、既知の開始位置からAMRの現在位置を推定します。位置、方角、速度を継続的に更新するために必要なデータを提供することで、IMUは信頼性の高いAMRナビゲーションのための正確な姿勢推定を可能にします。

小型サイズと軽量性も、AMRへのIMU統合を有利にします。たとえば、Analog DevicesのADIS16500AMLZ IMU（図8）は、わずか15 × 15 × 5ミリメートル（mm）のBGAパッケージに収められながら、ジャイロスコープ、加速度センサ、温度センサ、およびデータ取得とシグナルコンディショニングのための完全な信号チェーンを統合しています。このレベルの統合により、ホストプロセッサに包括的な動作データを供給すると同時に、ロボットの機動性を損なうことなく、スペースに制約のある機械配置での使用を可能にします。

図8：ADIS16500AMLZ IMUは、ジャイロスコープ、加速度センサ、温度センサ、およびデータ取得とシグナルコンディショニングのための完全なシグナルチェーンを統合しています。（画像提供：Analog Devices）

ADIS16500AMLZは、±2000˚/秒（°/s）のジャイロスコープのダイナミックレンジにより、飽和することなく急旋回を捕捉します。これは狭い空間を移動するAMRや素早い障害物回避を行うAMRにとって不可欠です。±392m/s²の加速度センサのダイナミックレンジは、滑らかな動きと高衝撃の両方を捕捉します。毎時8.1度（°/hr）のジャイロスコープバイアス安定性と毎秒125ミクロン（μm/s²）の加速度センサバイアス安定性により、ドリフトを低減し、補正間の自律航法精度を向上させます。

工場出荷時較正により感度、バイアス、軸調整の補正が内蔵されており、ダイナミックオフセット補正が温度変化、電源電圧変動、磁気干渉を補正するとともにノイズ低減を実現します²。IMUの機械的衝撃耐性19,600m/s²、動作温度範囲-25～85°Cにより、過酷な環境での使用が可能で、低ノイズ、高帯域幅のADCを搭載しているため、応答性の高い制御システムに必要な高更新レートでも継続的な高精度データ取得を保証します。

一般的なIMUは、電磁干渉（EMI）にも比較的強く、さまざまな照明条件や環境条件下でも動作可能です。その結果、これらのデバイスは幅広い用途に使用することができます。

IMUの性能制限の緩和

その性能上の利点がある一方で、IMUにはいくつかの固有の制限があります³。フィルタリングされていないノイズはIMUの測定値に影響を与え、ナビゲーションの精度を低下させる可能性があります。加速度センサおよびジャイロセンサのバイアスは時間とともに蓄積され、方角と動作の推定値にドリフトが生じます。非線形のセンサの挙動は測定値を歪め、熱電現象はジャイロスコープでは角度ランダムウォーク（ARW）誤差や加速度センサの速度ランダムウォーク（VRW）誤差を引き起こし、長期性能をさらに低下させます。これらの問題を放置すると、時間の経過とともに位置推定の信頼性が低下します。

センサフュージョンは、IMUデータを他のセンサ入力と統合することで、データの品質と信頼性を高め、未測定状態の推定を改善し、カバレッジを拡大して安全性を向上させることにより、IMUの限界を克服できます。拡張カルマンフィルタ（EKF）（図9）などの状態推定技術は、通常のAMR動作中のノイズ、ランダムウォーク、バイアスの不安定性を補正することができます。地球の重力による加速度を測定することで、ピッチ軸およびロール軸のジャイロスコープの誤差をなくすことができます。最後に、バイアスドリフトを追跡して修正することができます。動作中、EKFはモデル化されたシステム特性に関する完全な情報がないにもかかわらず、過去、現在、未来の状態を効果的に推定することができます。

図9：簡略化されたEKFアルゴリズムは、ノイズの多いセンサの測定値を時間軸に沿って処理し、ロボットの姿勢と動作に関する補正済みで連続的な推定値を生成します。（画像提供：Analog Devices）

EKFは、システムダイナミクスと測定不確実性をモデル化し、新たなデータ到着時に状態推定を更新できるため、広く普及しています。ガウスホワイトノイズやその他の不正確さを含む可能性のある測定値は、時間経過とともに観測され、補正に使用されます。このフィルタは、センサ間の測定値を同期させ、姿勢と誤差推定値を予測し、予測値の不確実性を推定および更新することで、測定値の真の値を推定します。

センサフュージョンアルゴリズムは、ロボットオペレーティングシステム（ROS）のオープンソースrobot_localizationパッケージ⁴に組み込まれています。このパッケージはEKFフュージョンを実装し、その中核にEKFアルゴリズムを活用しています（図10）。

図10: 典型的なROSベースのセンサフュージョンソフトウェアアーキテクチャは、robot_localizationパッケージを通じて複数のセンサ入力を統合し、堅牢で連続的な姿勢推定を生成します。（画像提供：Analog Devices）

このROSパッケージは、無制限の数のセンサの統合を可能にし、IMUデータ、車輪速度、オドメトリなど、さまざまな入力タイプに対応します。統合された出力には、完全な3D位置と方角、直線速度と角速度、加速度が含まれ、これらは直接ナビゲーションおよびSLAMアルゴリズムに入力されます。これらの入力を用いて、robot_localizationは、実際の測定値と導出測定値のベクトルとして表される推定姿勢状態を生成します。

Pose State = (X, Y, Z, roll, pitch, yaw, X˙, Y˙, Z˙, roll˙, pitch˙, yaw˙, X¨, Y¨, Z¨)

高精度なAMR位置推定の開発を加速

ADIS16500AMLZ IMUは、高精度センシングと統合処理によってAMR位置推定の性能をいかに向上させるかを実証しています。開発者のアプリケーション開発を加速するため、Analog DevicesはADIS16500/PCBZブレークアウトボード（図11、左）と付属のEVAL-ADIS-FX3Z評価システム（図11、右）を提供しています。

図11：ADIS16500/PCBZブレークアウトボード（左）とEVAL-ADIS-FX3Z評価キット（右）は、ADIS16500 IMUをベースにしたアプリケーションの迅速な開発を可能にします。（画像提供：Analog Devices.）

ブレークアウトボードは、16ピンヘッダで構成され、2mmリボンケーブルを使用して評価システムに接続します。評価システムは、IMUのフルサンプルレートでのリアルタイムサンプリングを可能にし、USBポート経由で電源供給されます。必要なソフトウェアはすべてリソースページからダウンロードできます。

まとめ

IMUは、AMRにおける高精度な位置推定を維持するために不可欠であり、環境条件により他のセンサモダリティが機能不全に陥った場合でも、高更新レートで姿勢推定とモーショントラッキングを提供します。センサフュージョンを用いて異なるセンサタイプの限界を補うことで、AMRは通常であれば位置推定を混乱させる動的な環境でも高精度のナビゲーションを実行できます。高度に統合されたIMUや関連するブレークアウトボード、評価システムが利用可能になったことで、開発者は精密なナビゲーションに必要な正確かつ信頼性の高い位置推定を実現できるAMRを迅速に設計できるようになりました。

参考

1. Shoudong Huang and Gamini Dissanayake,Robot Localization: An Introduction, John Wiley & Sons, August 2016.
2. Randy Carver and Mark Looney, "MEMS Accelerometer Calibration Optimizes Accuracy for Industrial Applications," EE Times, October 2007.
3. Oliver J. Woodman, "An Introduction to Inertial Navigation," University of Cambridge, August 2007.
4. robot_localizationDocumentation、v2.6.12, Tom Moore, 2016.