Reliability-Aware Sensor Fusion via Bidirectional Diffusion for Robust Robot Odometry

Résumé Technique : Fusion de Capteurs Sensible à la Fiabilité via une Diffusion Bidirectionnelle pour une Odométrie Robotique Robuste

Énoncé du Problème
Les robots autonomes opérant dans des environnements dynamiques ou dégradés (ex. : forêts, zones de catastrophe, milieux urbains) dépendent d'une fusion de capteurs multimodaux (LiDAR, caméras RGB-D, IMU) pour l'estimation d'état. Cependant, les cadres de fusion existants souffrent de trois limitations principales :

1. Asynchronie Temporelle : Les fréquences de capteurs décalées (ex. : IMU à 400 Hz contre LiDAR à 10 Hz) introduisent des erreurs d'intégration qui croissent au fil du temps, un problème souvent traité de manière uniquement réactive après l'apparition des résidus.
2. Hypothèses de Bruit Statiques : Les filtres standards (EKF, IEKF) supposent un bruit gaussien fixe, échouant à rendre compte du bruit non gaussien et variant dans le temps causé par le flou de mouvement, les occlusions ou l'illumination dynamique. Ils ne prédisent pas explicitement la fiabilité des capteurs sur un horizon court pour adapter les covariances avant que les mises à jour d'état ne soient affectées.
3. Perte d'Information Spatiale : De nombreux systèmes projettent les données 3D en grilles 2D, perdant ainsi les informations critiques de hauteur et de normale de surface nécessaires à la traversée de terrains complexes.

Le défi central abordé est la conversion de la fiabilité prédite des capteurs sur un horizon court en covariances de filtre adaptatives avant que les mesures corrompues n'induisent des corrections d'état trop confiantes.

Méthodologie : PUD–DIKF
Le papier propose le PUD–DIKF (Prediction-Uncertainty-Driven Diffusion-Informed Kalman Filter), un cadre d'estimation unifié où un filtre de Kalman central est piloté par un modèle de fiabilité appris. L'architecture est hiérarchique, avec des modules frontaux de support alimentant un estimateur central.

1. Tenseur Multimodal Unifié (PUT) : L'interface centrale est le Tenseur de Prédiction d'Incertitude ($\Psi_t$), une grille de voxels en 3D intégrant des flux de capteurs hétérogènes (RGB, profondeur, normales, points/intensité LiDAR, données IMU). Il encode trois composantes d'incertitude :

   • Aléatoire : Bruit de capteur irréductible.
   • Épistémique : Ignorance du modèle due à des données d'entraînement limitées.
   • Prédictive ($U_{pred}$) : Prévisions de fiabilité sur un horizon court.
     Ces composantes sont bornées et combinées en une incertitude effective ($U_{eff}$) qui module les covariances du filtre.

2. Synchronisation par Diffusion Bidirectionnelle (BDS) :

   • Estimateur de Diffusion Rétrospectif (RDE) : Débruite les observations actuelles des capteurs pour réduire le bruit de mesure avant la mise à jour de Kalman.
   • Prédicteur de Diffusion Proactif (PDP) : Prévoit la fiabilité future des capteurs ($U_{pred}$) en apprenant les motifs des trajectoires d'incertitude historiques (ex. : augmentation de la variance avant une occlusion).
   • La sortie du PDP module de manière adaptative le programme de bruit de diffusion, permettant au système de modéliser l'asynchronie temporelle résiduelle comme un bruit structuré.

3. Calibration Augmentée par Diffusion (DAMC) : Effectue un étalonnage extrinsèque en ligne entre le LiDAR et les caméras en utilisant une paramétrisation de Cayley pour les rotations. Elle optimise conjointement l'alignement géométrique et la régularisation par diffusion, en utilisant l'incertitude prédictive pour adapter la taille du pas d'optimisation.

4. Extraction de Caractéristiques SE(3)-Équivariante : Extrait des caractéristiques robustes en utilisant des convolutions SE(3)-équivariantes étendues avec un canal d'incertitude basé sur la diffusion. Cela préserve la cohérence géométrique sous les transformations de corps rigide et communique la fiabilité par région au filtre.

5. Estimateur Central PUD–DIKF :

   • S'appuie sur la structure d'état d'erreur de FAST-LIO2.
   • Covariances Adaptatives : Le bruit de processus ($Q_k$) et le bruit de mesure ($R_k$) sont augmentés par des incréments dépendants de l'état et semi-définis positifs dérivés du PUT.
   • Garantie de Monotonie : Le papier prouve (Proposition 1) qu'une augmentation de l'incertitude prédite ne peut pas augmenter l'information de mesure ni réduire la covariance propagée en dessous de la base de bruit fixe. Cela garantit qu'une fiabilité dégradée conduit à des mises à jour conservatrices (moins confiantes), empêant une surcorrection.

6. Cartographie Aval (POF) : Un champ d'occupation prédictif consomme l'état estimé et l'incertitude pour une cartographie dense, mais ne renvoie pas de corrections de pose vers l'estimateur, maintenant un flux strictement unidirectionnel.

Contributions Clés

1. Estimateur Central : Un filtre de Kalman informé par la diffusion qui mappe l'incertitude rétrospective et prédictive en incréments de covariance semi-définis positifs dépendants de l'état sur un filtre d'état d'erreur SO(3).
2. Lien Théorique : Une condition de monotonie prouvant qu'une incertitude prédite plus élevée limite strictement l'information de mesure et augmente la covariance propagée, empêant le filtre de devenir trop confiant lors d'une dégradation.
3. Validation Contrôlée : Expérimentations approfondies sur un jeu de données de campus multi-modal personnalisé et sur des benchmarks publics (HILTI–Oxford, KITTI), incluant des études d'ablation isolant la contribution de chaque composant.

Résultats Expérimentaux

• Jeu de Données Campus (fenêtre d'évaluation de 438,58 m) : PUD–DIKF a atteint une RMSE de trajectoire de 0,034 m et une RPE de 0,008 m avec une erreur d'alignement de nuage de points médiane de 0,008 m. Le système opère à 42 ms par image LiDAR (10 Hz).
  • Comparé à FAST-LIVO2, la RMSE a diminué de 19 % (0,042 m $\to$ 0,034 m).
  • Comparé à R3LIVE, la RMSE a diminué de 35 % (0,052 m $\to$ 0,034 m).
• Benchmarks Publics :
  • HILTI–Oxford : A obtenu la plus faible ATE RMSE (moyenne 0,0155 m) sur trois séquences de construction, surpassant les bases de référence dans des environnements géométriquement complexes et partiellement obstrués.
  • KITTI : A rapporté la plus faible dérive de translation ($t_{rel}$) sur quatre séquences (moyenne 0,0183 %), bien que les auteurs notent que ces évaluations sont préliminaires et en attente de vérification officielle par le serveur.
• Études d'Ablation :
  • Supprimer le débruitage rétrospectif (RDE) a augmenté la RMSE de 32 %, identifiant ce composant comme le plus critique pour ce jeu de données.
  • Supprimer la prédiction proactive (PDP) a augmenté la RMSE de 21 %, validant l'hypothèse de l'adaptation proactive de la covariance.
  • Remplacer les caractéristiques SE(3)-équivariantes par un MLP standard a augmenté la RMSE de 15 %.
  • Supprimer la modalité caméra n'a augmenté la RMSE que de 3 %, indiquant que le système est principalement géométrie-inertiel, la caméra fournissant une correction modeste et dépendante du jeu de données.
• Cartographie Dense : L'intégration de l'incertitude PUT dans le module de cartographie a réduit la RMSE d'occupation de 53 % par rapport à une base TSDF et a amélioré le score F1 de 0,73 à 0,89.

Signification et Revendications
Le papier affirme que PUD–DIKF répond avec succès à la limitation de la fusion réactive en modélisant les changements de fiabilité avant la mise à jour de l'état. L'hypothèse centrale est validée : convertir l'incertitude prédite en covariances adaptatives empêche les mesures dégradées de dominer la mise à jour de l'état. Les auteurs soulignent que les avantages du système sont plus évidents dans les environnements structurellement complexes et partiellement obstrués où la dégradation des capteurs est fréquente.

Le papier maintient la modestie concernant ses affirmations :

• Il stipule explicitement que les résultats KITTI sont un « contexte de benchmark préliminaire » plutôt qu'une supériorité statistiquement vérifiée, car ils n'ont pas été produits par des exécutions appariées sur un matériel identique ou vérifiés par le serveur officiel.
• Il reconnaît que l'entrée visuelle (caméra) est un support plutôt qu'un élément dominant dans l'actuel jeu de données.
• Il note des limitations, notamment la variation non monotone des paramètres dans le DAMC sous un bruit élevé, l'hypothèse qu'au moins un capteur spatial reste informatif, et la nécessité d'une évaluation sur d'autres plateformes robotiques (ex. : robots à pattes ou drones).

Ce travail se positionne non pas comme une collection de modules indépendants, mais comme une hypothèse unifiée où les éléments de support (BDS, DAMC, caractéristiques SE(3)) servent le mécanisme central d'adaptation de la covariance piloté par le Tenseur de Prédiction d'Incertitude.