Towards Networked One Search Agent Systems: Multilateration of WiFi Fine Time Measurement Responders Using GNSS References

Resumen Técnico: Hacia Sistemas de Agentes de Búsqueda Único Redesados

Planteamiento del Problema
La localización precisa de emisores inalámbricos estacionarios es crítica para aplicaciones robóticas como la búsqueda y rescate (SAR) y el mapeo de infraestructuras. Aunque los Sistemas Globales de Navegación por Satélite (GNSS) son el estándar, estos se degradan en entornos complejos. Las soluciones existentes suelen depender de la huella dactilar de la intensidad de la señal (que requiere calibración previa) o de tecnologías de ranging dedicadas como Ultra-Wideband (UWB), que demandan infraestructura diseñada específicamente. El protocolo IEEE 802.11mc Fine Time Measurement (FTM) ofrece un punto intermedio, proporcionando estimaciones de rango a nivel de metro utilizando hardware WiFi comercial sin requerir sincronización de reloj. Sin embargo, aprovechar FTM para la localización exterior de puntos de acceso (AP) terrestres desde un Vehículo Aéreo No Tripulado (UAV) presenta desafíos: el sistema debe realizar una multilateración en tiempo real utilizando una línea de base móvil (el UAV) mientras gestiona el ruido de las mediciones, condiciones de no línea de visión (NLoS) y recursos computacionales limitados en el dispositivo de borde.

Metodología
Los autores proponen un sistema de prueba de concepto donde un UAV actúa como iniciador de FTM y receptor GNSS, localizando puntos de acceso WiFi terrestres que actúan como respondedores de FTM. La arquitectura central invierte los modelos anteriores: en lugar de que la víctima lleve un smartphone, el agente de búsqueda (UAV) lleva la computación, mientras que el objetivo lleva un AP simple y pasivo.

• Plataforma de Hardware: El sistema utiliza un UAV DJI Matrice 350 RTK que transporta un smartphone Google Pixel 7 Pro y un receptor GNSS multibanda u-blox ZED-F9P. El smartphone ejecuta una aplicación Android personalizada que interactúa con la API de WiFi RTT y el receptor GNSS.
• Pipeline de Localización: El sistema trata la trayectoria de vuelo como un problema de multilateración temporal. El pipeline incluye:
  1. Asociación de Datos: Sincronización de las marcas de tiempo de rango FTM con las posiciones GNSS mediante un reloj monotónico, con una ventana de asociación de 1.2 segundos.
  2. Filtrado de Outliers: Un filtro de Desviación Absoluta de la Mediana (MAD) de ventana deslizante rechaza valores atípicos groseros mientras preserva las mediciones válidas de Línea de Visión (LoS).
  3. Inicialización: Un bootstrap de dos etapas de Gauss-Newton computa una estimación de posición 3D inicial una vez que se logra una dispersión geométrica suficiente.
  4. Filtrado Secuencial: El sistema emplea un Filtro de Kalman Extendido Iterado (IEKF) con seguimiento de sesgo o un Filtro de Kalman Unscented (UKF). El vector de estado incluye la posición del AP $(x, y, z)$ y un sesgo de rango residual.
  5. Modelado de Ruido: Se evaluaron seis configuraciones distintas de ruido de medición, que van desde un modelo de línea de base constante hasta modelos adaptativos que ajustan la varianza basándose en la distancia, la intensidad de la señal recibida (RSSI) y la detección de NLoS (usando la asimetría de la ventana de rango y la consistencia del RSSI).
• Restricciones: El sistema opera de forma autónoma sin conectividad de red, registrando datos en archivos JSONL, aunque admite ROS 2 para la fusión multi-agente cuando hay un enlace disponible.

Contribuciones Clave

1. Pipeline de Estimación en Tiempo Real: Un pipeline completo que se ejecuta en un smartphone comercial, integrando ranging, posicionamiento y estimación (IEKF/UKF) con seguimiento de sesgo y filtrado de outliers.
2. Análisis de Configuración de Ruido: Una evaluación comparativa de seis modelos de ruido de medición, demostrando cómo el pesaje dependiente de la distancia y el RSSI preserva la diversidad de las mediciones y permite correcciones en etapas tardías durante sobrevuelos cercanos.
3. Validación de Campo: Prueba de concepto realizada en terreno montañoso no estructurado con tres AP bajo diversas condiciones de ocultación: LoS, NLoS moderado (vegetación) y NLoS severo (vegetación + escombros).
4. Integración de Arquitectura de Red: Demostración preliminar de interoperabilidad a nivel de software, mostrando que agentes heterogéneos (UAV y tierra) pueden compartir observaciones FTM vía ROS 2, sirviendo como bloque de construcción para sistemas de "Agente de Búsqueda Único (OSA) Redesado".

Resultados
Los experimentos se realizaron en la Universidad de Málaga con tres AP.

• Desempeño LoS (AP_1F): Para un AP con 455 mediciones de rango:
  • El pipeline en tiempo real online (modo BASELINE) logró un error horizontal final de 4.4 m y un error 3D de 5.5 m.
  • El replay offline utilizando el modelo de ruido EMPIRICAL-R (dependiente de distancia y RSSI) logró un error horizontal de media ponderada en el tiempo (TWM) de 4.7 m.
  • Bajo el mejor modelo de ruido, un sobrevuelo cercano permitió al sistema refinar la estimación a un error horizontal final de 1.1 m.
  • El modelo ADAPTIVE-R logró la menor incertidumbre interna ($\sigma_H = 1.0$ m) pero un error final de 4.3 m.
• Desempeño NLoS:
  • NLoS Moderado (AP_AB): El sistema falló en converger en tiempo real debido a mediciones dispersas (31 en total), atenuación de señal y geometría casi colineal (número de condición $\kappa = 28.5$). Sin embargo, un resolvedor de mínimos cuadrados robusto offline recuperó una solución gruesa con aproximadamente 7 m de error horizontal.
  • NLoS Severo (AP_AA): El AP, bloqueado por vegetación y escombros de concreto, produjo cero respuestas FTM.
• Confianza del Filtro: Los autores señalan que la covarianza interna del filtro ($\sigma_H$) subestima significativamente el error absoluto real (ej., $\sigma_H \approx 1.1$ m frente a un error real $\approx 4.4$ m). Esto se atribuye a errores correlacionados no modelados en las poses del iniciador referenciadas por GNSS, ya que el sistema no incluyó un término de covarianza GNSS separado en los modelos de comparación.

Significancia y Reivindicaciones
El artículo posiciona este trabajo como un avance arquitectónico para sistemas OSA redesados más que como una reclamación de superioridad de precisión sobre conjuntos de datos previos. Al invertir la arquitectura de localización —trasladando la carga computacional al agente de búsqueda y requiriendo solo un respondedor simple capaz de FTM en el objetivo— el sistema elimina la necesidad de software en el lado de la víctima.

Los autores enfatizan que el sistema es un bloque de construcción para futuras redes multi-agente. Si bien el pipeline de un solo agente demuestra un desempeño de nivel de metro en LoS, el documento reconoce modestamente que la operación en NLoS sigue siendo un desafío significativo debido a la geometría y el bloqueo de señal. El resultado de 1.1 m se caracteriza como un "resultado favorable de paso cercano" dependiente de una geometría de vuelo específica, no como un límite garantizado del sistema. El trabajo futuro se dirige hacia la fusión a nivel de red, la planificación de trayectorias de vuelo mejorada (ej. patrones helicoidales o de rejilla) para optimizar el condicionamiento de la multilateración, y el desarrollo de resolvedores robustos amortiguados para geometrías degeneradas.