マンナビについて （ TLIO: Tight Learned Inertial Odometry （IROS2020）） Godel yniwa2007@gmail.com

アジェンダ  マンナビとは  マンナビが難しい原因  マンナビの研究開発  最近のマンナビの研究事例  TLIO: Tight Learned Inertial Odometry （IROS2020)

マンナビとは

「マンナビ」とは  「歩行者用ナビゲーション」のこと  人が測位するための器具（測位システム）を把持、または身に 着けることで位置及び姿勢角を推定すること  事前知識（例えば、地図データ、携帯・WiFi電波強度マップ、 地磁気マップ、マーカーなどのランドマークの位置情報など） は事前に利用可能なユースケースもある  2000～2005年ころ、GPSや磁気コンパスを搭載したスマート フォンの発売、センサネットワーク（IoTの先祖）ブームによ り脚光を浴びる （現在では死語になっている）  現在では、労働者の動線解析や、屋内での危険作業等での作業 者の位置、状況の把握の技術として利用されている https://xtech.nikkei.com/dm/article/NEWS/20050216/101790/

マンナビが難しい原因

測位システムの主な誤差要因  移動時の振動及び姿勢変化  歩行による人の重心位置の動き以外の振動  移動時の運動方向  前後左右  斜め  階段  エレベーター  センサアライメントの変化  歩行中のヨー方向の体動  衣服の動き伴う設置場所の微動  異常な外乱要因  想定しない動作  転倒  想定しない動作  ジャンプ  横歩き  ほふくetc 東英知他,"加速度計を用いた歩行分析による疲労推定特徴量の検討",IPSJ Vol.2011-UBI-29 No.27 測位 シス テム フィ ルタ 動作の情報 ノイズ 外乱 動 作 の 情 報 の 推 定 値 ノイズ・外乱モデ ルに従いフィルタ リング

計測対象（プラットフォーム）別 測位システムの外囲条件比較 移動時の振動及び 姿勢変化 移動時の運動方 向 センサアライメン トの変化 異常な外乱要因 人 歩容による不定振 動、姿勢変化 把持状態で変化 姿勢変化 急峻な停止・歩行、 移動方向変化 自動車（アッカーマ ン車両） 速度・路面に応じ た振動 固定 進行方向と一致 スリップ 悪路不整地路面 船 波によるピッチ方 向の振動 固定 進行方向と一致 突風や渦による姿 勢変化及び振動 潜水艇（AUV） 定常振動 固定 進行方向と一致 乱流による姿勢変 化及び振動 航空機（固定翼） 定常振動 固定 進行方向と一致 乱流による姿勢変 化及び振動 エアポケット 推定 困難 推定 容易 X-Y Z-X

マンナビの研究開発

https://staff.aist.go.jp/t. kurata/projects-j/xDR- j.html Navigation of First Person View （本稿での話題） 人が身に着ける測 位システム（セン サ）のみで測位 Visual SLAMも高精 度な測位手法とし て分類される 屋内測位技術マップ （AIST)

PDR（ Pedestrian dead reckoning） Zengshan Tian,etc,"Pedestrian dead reckoning for MARG navigation using a smartphone",EURASIP Journal on Advances in signal Processing,2014,Num.65(2014) https://link.springer.com/article/10.1186/1687-6180-2014-65 加速度計、ジャイロなど内界センサのみから、歩行時の移動量、移動方向を推定する手法 産総研 興梠，蔵田らが2000年前後に開発（論文が見つからなかったので、以下に同様の論文を 引用） 移動量 歩幅の推定と歩 数をカウント 移動方向 地磁気の３D偏向 による方位推定 とジャイロによ る方位変更から 推定

https://staff.aist.go.jp/t. kurata/projects-j/xDR- j.html 産総研 蔵田グループ でのxDR (PDR, VDR)研究の歴史 （AIST)

PDRの成果  良い点  普通にまっすぐ歩くだけならば、歩幅＊歩数で移動量が推定可能（移動距離の10％の誤 差）  欠点  移動方向推定が使用時間によりドリフトする  姿勢方位角の修正を十数分ごとに実施せざるを得なかった  長時間運用する場合は、一定間隔で配置したRFIDを補足することで自動的に補正。また RFIDがないところではサーバーサイドでのマップマッチングと併用し、強制的に位置修 正を実施 後にVisual SLAM （Visual Odometry)により、誤差の発散を抑えるアルゴリズムを 作成するも、実装可能なSoCが出てくるまでに、数年を待たなければならなかった。

VSLAM 概要  VSLAM（Visual SLAM）  自動運転や無人プラットフォームは、自己位置姿勢 角を推定し続ける必要がある  GNSSだけでは、外乱の多い都市部、利用不能なト ンネル内、屋内等では利用不能  周辺状況から自己位置姿勢角を推定するVSLAMが 研究開発される  VSLAMは成熟期  ICRA2020：SLAM I～VIII、Visual Based Navigation I～IV、Localization I～IV  CVPR2020：Workshop Joint workshop on Long Term Visual Localization, Visual Odometry and Geometric and Learning-based SLAM 2Day  FCCM : “CNN-based Feature-point Extraction for Real-timeVisual SLAM on Embedded FPGA”  DARPA SubterraneanChallenge  今後の課題  Visualのロバスト性（輝度、照明変化、移動物体）  長時間の使用が可能な地図データ（ポーズグラフ）の 最適化、計算量の軽減  ユースケースに即した航法の設計 https://www.darpa.mil/news-events/2017-12-21 https://www.slideshare.net/takmin/20190307-visualslam-summary ロボットビジョンに関する最 適化処理 経路に関する最適化処理 https://myenigma.hatenablog.com/entry/20100803/1280762612

最近のマンナビの研究事例

TLIO: Tight Learned Inertial Odometry  加速度、ジャイロ情報のみを用いた位置・姿勢 角推定手法  ニューラルネットワークを用いた慣性航法手法 の提案  重力方向の推定にニューラルネットワークを用 いて推定  ニューラルネットワークを用いた古川先生らの ３DRONINと比べて高性能  Ground truthとしたVSLAMに近い推定を達成  Robotics and Automation Letter & IROS2020 に採択

Our network uses a 1D version of ResNet18 architecture proposed in [17]. The input dimension to the network is N × 6, consisting of N IMU samples in the gravity-aligned frame.

ATE The Absolute Translation AYE the Absolute Yaw Erro RTE The Relative Translation Error indicates the local spatial closeness of position estimate to the GT over a window of duration ∆t RYE the Relative Yaw Erro Drift The final translation drift over the distance traveled. Yaw-Drift the Yaw Drift over time.

No content

https://www.youtube.com/watch?v=L9A1kE42apo&feature=youtu.be Tight Learned Inertial Odometry (TLIO) - Symposium

まとめ  マンナビの技術紹介  TLIO: Tight Learned Inertial Odometry の紹介