Slip-Aware Wheel Odometry for 4-Wheeled Skid-Steer Mobile Robots Using a Compact 1-D Convolutional Neural Network

Resumen Técnico: Odometría de Ruedas Sensible al Deslizamiento para Robots Móviles de Tracción Skid-Steer de 4 Ruedas

Declaración del Problema
Los robots móviles con ruedas de tracción skid-steer (SSWMR) se utilizan ampliamente en aplicaciones industriales y de rescate debido a su simplicidad mecánica. Sin embargo, su mecanismo de dirección —conducir las ruedas izquierda y derecha a diferentes velocidades— depende del deslizamiento lateral de las ruedas, lo que crea un desafío fundamental de localización. La odometría cinemática tradicional, que asume un contacto sin deslizamiento, falla significativamente en estas plataformas, particularmente en la estimación de la velocidad angular. En superficies de baja fricción, el modelo cinemático sobreestima las tasas de rotación, lo que conduce a una deriva severa en la trayectoria. Las soluciones existentes suelen requerir calibraciones específicas del terreno, parámetros de fricción explícitos o sensores adicionales (IMUs, cámaras, LiDAR), lo que limita su despliegue en entornos no estructurados o cambiantes. Existe una brecha en los métodos que sean puramente propioceptivos (utilizando solo codificadores de rueda y velocidades comandadas), que no requieran calibración de terreno y que se generalicen a través de una amplia gama de coeficientes de fricción.

Metodología: SlipOdometryNet
Los autores proponen SlipOdometryNet, una red neuronal convolucional (CNN) residual 1-D compacta diseñada para aprender la corrección residual entre las velocidades comandadas y las velocidades reales en el marco del cuerpo, compensando eficazmente el deslizamiento no modelado.

• Entrada y Arquitectura: El modelo toma una ventana temporal de 40 pasos (0.8 segundos a 50 Hz) que contiene ocho características: velocidades lineales y angulares comandadas, velocidades angulares de las ruedas izquierda/derecha, estimaciones cinemáticas y residuales de deslizamiento calculados. La arquitectura consiste en una proyección lineal, un codificador CNN residual 1-D (que utiliza convoluciones 1×1 y dos bloques residuales con tamaños de núcleo 3 y 5) y una cabeza de regresión de perceptrón multicapa (MLP). El modelo utiliza Normalización de Grupo y activaciones GELU.
• Estrategia de Entrenamiento: La red se entrena utilizando una función de pérdida ponderada por deslizamiento focal (focal slip-weighted loss). Esta pérdida compuesta incluye el error cuadrático medio (MSE) para las velocidades lineales y angulares, un término de orientación de un solo paso y un término de orientación de segmento de múltiples pasos. Crucialmente, un mecanismo de ponderación focal aumenta el peso de las muestras con magnitudes de deslizamiento grandes, obligando a la red a enfocarse en los regímenes de deslizamiento más difíciles.
• Inferencia: En tiempo de ejecución, el modelo opera en un modo de ventana deslizante. Las velocidades predichas se integran utilizando la regla del punto medio para generar trayectorias. La evaluación sigue un protocolo segmentado (segmentos de 60 segundos) alineado con la verdad de campo (ground truth) para medir el Error de Trayectoria Absoluta (ATE) y la deriva, evitando la confusión de la precisión instantánea con los errores de integración a largo plazo.
• Entorno: Todo el entrenamiento y la evaluación se realizaron en ROS 2 Jazzy y Gazebo Harmonic utilizando un robot skid-steer de 4 ruedas simulado.

Contribuciones Clave

1. Un Estimador Compacto Libre de IMU: El artículo presenta un modelo de 176,450 parámetros que reemplaza al estimador de odometría cinemática utilizando únicamente codificadores de rueda y velocidades comandadas, sin requerir IMU, cámara, LiDAR o parámetros de fricción explícitos.
2. Generalización de la Fricción: El modelo demuestra la capacidad de generalizarse a condiciones de fricción no vistas. Fue entrenado en superficies de baja fricción y evaluado en superficies de fricción media y alta (abarcando una variación de seis veces en los coeficientes de fricción de Coulomb) sin reentrenamiento, logrando reducciones significativas de error en estos terrenos no vistos.
3. Perspectivas Arquitectónicas y Ablación: A través de un estudio de ablación controlado, los autores demuestran que las convoluciones 1-D son superiores a la autoatención de Transformer para esta tarea específica. Aunque un baseline de Transformer más grande (44.1M de parámetros) logró métricas por ventana competitivas, falló al generalizarse a la precisión de la trayectoria integrada, produciendo un $R^2$ de velocidad lineal integrada negativo y un ATE significativamente mayor. El estudio concluye que las convoluciones 1-D capturan mejor la naturaleza corta y local de los transitorios de deslizamiento (100–400 ms).
4. Protocolo de Evaluación: El trabajo enfatiza la necesidad de reportar métricas de trayectoria integrada (por ejemplo, ATE sobre segmentos de 60 segundos) en lugar de solo pérdidas por ventana. Los autores muestran que los modelos con bajo error por ventana aún pueden producir grandes derivas de trayectoria si sus errores están correlacionados temporalmente, una distinción que solo es visible mediante métricas conscientes de la integración.

Resultados
Evaluado a través de cuatro condiciones de fricción (dos vistas durante el entrenamiento, dos no vistas), SlipOdometryNet logró lo siguiente:

• Reducción de Error: Una reducción del 51–94% en el Error de Trayectoria Absoluta (ATE) y una reducción del 78–93% en la deriva de posición final en comparación con el baseline cinemático.
• Superficies No Vistas: En superficies de fricción no vistas, el modelo logró una reducción del 51% y 74% en el ATE sin reentrenamiento.
• Precisión de Velocidad: En la superficie de fricción más desafiante, el $R^2$ de la velocidad angular mejoró de 0.727 (cinemático) a 0.988.
• Eficiencia: El modelo funciona con una latencia de inferencia de GPU sub-milisegundo (0.4 ms por ventana) y aproximadamente 2.1 ms en CPU, muy por debajo del presupuesto de 20 ms para una operación de 50 Hz.
• Comparación: A pesar de tener 250 veces menos parámetros que un baseline de Transformer reimplementado, SlipOdometryNet superó al Transformer en métricas de trayectoria integrada, mientras que el Transformer exhibió una mayor varianza y valores de $R^2$ integrado negativos.

Significado y Reivindicaciones
El artículo afirma que SlipOdometryNet proporciona una solución de odometría precisa, en tiempo real y libre de calibración para robots skid-steer. Su principal significancia radica en demostrar que un modelo puramente propioceptivo y basado en datos puede extrapolarse a través de una amplia gama de coeficientes de fricción sin un modelado físico explícito o clasificación de terreno. Además, el trabajo sirve como una corrección metodológica para el campo, argumentando que la investigación de odometría basada en datos debe priorizar las métricas de trayectoria integrada sobre las pérdidas por ventana para asegurar que los modelos no simplemente se ajusten al ruido, sino que realmente reduzcan la deriva a largo plazo. Los autores posicionan su trabajo como un paso hacia una localización robusta y desplegable para robots skid-steer en entornos no estructurados, reconociendo al mismo tiempo las limitaciones respecto a la complejidad del terreno en el mundo real (por ejemplo, compactación del suelo, pendientes) que no fueron modeladas en la simulación.