⚡ electrical engineering

FusionCore: A 23-State Unscented Kalman Filter for IMU, Wheel Encoder, GPS, and Visual SLAM Fusion in ROS 2

FusionCore एक ओपन-सोर्स ROS 2 पैकेज है जो विविध NCLT डेटासेट अनुक्रमों में मानक robot_localization पैकेज की तुलना में काफी कम प्रक्षेपवक्र त्रुटियों और अधिक संख्यात्मक स्थिरता को प्राप्त करते हुए, एक उच्च-आवृत्ति ओडोमेट्री स्ट्रीम में IMU, व्हील एनकोडर, GPS और विजुअल SLAM डेटा को मजबूती से फ्यूज करने के लिए 23-स्टेट अनसेंटेड कलमन फ़िल्टर का उपयोग करता है।

मूल लेखक: Manan Kharwar (Independent Researcher, Hamilton, ON, Canada)

प्रकाशित 2026-05-26

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Manan Kharwar (Independent Researcher, Hamilton, ON, Canada)

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रोबोट को शहर के माध्यम से नेविगेट करने की कोशिश कर रहे हैं, लेकिन आपकी आँखों पर पट्टी बंधी है, आपके कान बंद हैं, और आप केवल पहियों के घूमने को महसूस करके यह अनुमान लगा सकते हैं कि आप कहाँ हैं। यह मूल रूप से वही है जो रोबोटों के साथ होता है जब वे अपनी स्थिति समझने की कोशिश करते हैं। उन्हें यह जानने के लिए कि वे कहाँ हैं, एक स्पष्ट तस्वीर बनाने के लिए विभिन्न "इंद्रियों" के डेटा को मिलाना पड़ता है।

यह पेपर FusionCore को पेश करता है, जो एक नया सॉफ़्टवेयर टूल है जिसे ROS 2 सिस्टम का उपयोग करने वाले रोबोटों के लिए इन इंद्रियों को जोड़ने वाला "मस्तिष्क" बनने के लिए डिज़ाइन किया गया है। यह कैसे काम करता है, इसे सरल उपमाओं के माध्यम से समझाया गया है।

समस्या: "शोर वाला" (Noisy) दल

रोबोट आमतौर पर अपनी स्थिति का अनुमान लगाने के तीन मुख्य तरीके रखते हैं:

व्हील एनकोडर (पीडोमीटर/Pedometer): यह गिनता है कि पहिए कितनी बार घूमे। यह कम दूरी के लिए बहुत अच्छा है लेकिन अगर पहिए बर्फ या कीचड़ पर फिसलते हैं तो भ्रमित हो जाता है।
जीपीएस (सैटेलाइट मैप): यह आपको बताता है कि आप पृथ्वी पर वास्तव में कहाँ हैं। लेकिन यह धीमा है, कभी-कभी गायब हो जाता है (जैसे जब आप किसी पुल के नीचे से गुजरते हैं), और कभी-कभी आपको एक "ग्लिच" दे सकता है जो कहता है कि आप किसी दूसरे शहर में हैं।
आईएमयू (IMU - आंतरिक कान): यह एक सेंसर है जो त्वरण (acceleration) और घूमने को महसूस करता है। यह बहुत तेज़ है, लेकिन समय के साथ, यह "ड्रिफ्ट" (जैसे एक घूमता हुआ लट्टू जो धीरे-धीरे झुकने लगता है) करने लगता है, जिससे रोबोट को लगता है कि वह हिल रहा है, भले ही वह खड़ा हो।

मौजूदा सॉफ़्टवेयर (जिसे robot_localization कहा जाता है) इन संकेतों को मिलाने की कोशिश करता है, लेकिन इसमें कुछ खामियां हैं:

यह सेंसरों के "ड्रिफ्ट" को एक बदलते हुए एरर के बजाय एक स्थिर त्रुटि मानता है।
जब जीपीएस सिग्नल मैप की सीमाओं (boundaries) को पार करते हैं, तो यह भ्रमित हो जाता है।
इसे एक वास्तविक जीपीएस अपडेट और एक पागल कर देने वाले ग्लिच के बीच अंतर करने में संघर्ष करना पड़ता है।

समाधान: FusionCore का "स्मार्ट ब्रेन"

FusionCore एक नया "मस्तिष्क" (एक गणितीय फ़िल्टर) है जो इन सभी संकेतों को डेटा के एक एकल, सुचारू, उच्च-गति स्ट्रीम (प्रति सेकंड 100 बार) में मिलाता है। यह उन चीजों को भी ट्रैक करने के लिए एक 23-आयामी (23-dimensional) "स्टेट" का उपयोग करता है जिन्हें अन्य सिस्टम अनदेखा कर देते हैं।

यहाँ FusionCore द्वारा उपयोग किए जाने वाले प्रमुख तरीके दिए गए हैं, जिन्हें रूपकों के माध्यम से समझाया गया है:

1. "ड्रिफ्ट डिटेक्टिव" (ऑनलाइन बायस एस्टिमेशन)

कल्पना कीजिए कि आप एक दोस्त के साथ चल रहे हैं जिसकी चाल में थोड़ा लंगड़ापन है। यदि आप उस लंगड़ेपन पर ध्यान नहीं देते हैं, तो आपका स्थान का नक्शा धीरे-धीरे गलत होता जाएगा।

पुराना तरीका: सॉफ़्टवेयर मान लेता है कि लंगड़ापन स्थिर है और इसे अनदेखा कर देता है।
FusionCore का तरीका: इसके अंदर एक "ड्रिफ्ट डिटेक्टिव" है। यह लगातार सेंसरों को देखता है और पूछता है, "क्या पहिया फिसल रहा है? क्या जायरोस्कोप थक रहा है?" यह वास्तविक समय में "लंगड़ेपन" (बायस) की सटीक मात्रा की गणना करता है और उसे घटा देता है। यह रोबोट को तब भी खो जाने से बचाता है जब जीपीएस कुछ समय के लिए गायब रहता है।

2. "ग्लोबल एड्रेस" (ECEF-नेटिव जीपीएस)

जीपीएस निर्देशांकों (coordinates) को आमतौर पर स्थानीय मानचित्रों (जैसे UTM ज़ोन) में परिवर्तित किया जाता है। यदि आप एक ज़ोन सीमा पार करते हैं, तो मैप ग्लिच कर सकता है और क्रैश हो सकता है।

FusionCore का तरीका: स्थानीय पते का उपयोग करने के बजाय, यह पूरी पृथ्वी की भाषा बोलता है (ECEF)। यह ग्रह को एक विशाल गोले के रूप में मानता है, इसलिए यह कभी भी मैप सीमाओं से भ्रमित नहीं होता है। यह पूरी दुनिया के लिए अक्षांश और देशांतर का उपयोग करने जैसा है, न कि हर 10 मील में नया सिटी मैप बदलने जैसा।

3. "झूठ पकड़ने वाला" (एडेप्टिव आउटलायर गेटिंग)

कभी-कभी जीपीएस एक संदेश भेजता है कि, "मैं अब समुद्र में हूँ!" जबकि रोबोट स्पष्ट रूप से सड़क पर है।

पुराना तरीका: सॉफ़्टवेयर एक कठोर नियम का उपयोग करता है: "यदि त्रुटि 5 मीटर से अधिक है, तो इसे अनदेखा करें।" लेकिन यदि जीपीएस वास्तव में थोड़ा शोर वाला है, तो यह अच्छे डेटा को भी अनदेखा कर सकता है।
FusionCore का तरीका: इसमें एक "झूठ पकड़ने वाला" (Lie Detector) है जो सीखता है। यह त्रुटियों के इतिहास को देखता है। यदि जीपीएस आमतौर पर सटीक है लेकिन अचानक उसका बुरा दिन चल रहा है, तो डिटेक्टर अपनी पकड़ ढीली कर देता है। यदि जीपीएस पागल व्यवहार कर रहा है, तो यह दरवाजा मजबूती से बंद कर देता है। यह स्वचालित रूप से अपनी संवेदनशीलता को समायोजित करता है, ताकि यह ग्लिच से न फसे या अच्छे डेटा को खारिज न करे।

4. "टाइम ट्रैवलर" (डिले कंपनसेशन)

जीपीएस डेटा अक्सर एक सेकंड के सौवें हिस्से की देरी से आता है क्योंकि सैटेलाइट को सिग्नल भेजने से पहले गणित करना पड़ता है।

FusionCore का तरीका: यह पिछले एक सेकंड के आईएमयू (IMU) डेटा का एक "मेमोरी बफर" (रिंग बफर) रखता है। जब देर से आया जीपीएस संदेश अंततः पहुँचता है, तो यह सॉफ्टवेयर केवल वर्तमान क्षण पर इसे लागू नहीं करता है। यह ठीक उसी क्षण पर "वापस जाता है" जब जीपीएस सिग्नल लिया गया था, सुधार लागू करता है, और फिर वापस "वर्तमान" तक "फास्ट-फॉरवर्ड" करता है। यह सुनिश्चित करता है कि रोबोट की स्थिति पूरी तरह से सिंक्रोनाइज़ हो, भले ही सेंसर धीमे हों।

5. "विजुअल मेमोरी" (VSLAM फ्यूजन)

यदि रोबोट जीपीएस खो देता है (जैसे सुरंग में जाते समय), तो वह कमरे की विशेषताओं को ट्रैक करने के लिए कैमरे (विजुअल SLAM) का उपयोग कर सकता है।

FusionCore का तरीका: यह कैमरे के दृश्य में सहजता से स्विच कर सकता है। यदि कैमरा अपना रास्ता भटक जाता है और उसे अपना मैप "दोबारा शुरू" करना पड़ता है, तो FusionCore जानता है कि रोबोट के घबराने या क्रैश होने के बिना उसकी स्थिति को वास्तविकता के साथ कैसे वापस जोड़ा जाए।

परिणाम: बड़ा परीक्षण

लेखक ने एक सार्वजनिक डेटासेट से 12 लंबे ड्राइविंग सीक्वेंस (92 मिनट तक प्रत्येक) का उपयोग करके robot_localization के विरुद्ध FusionCore का परीक्षण किया।

विजेता: FusionCore 12 में से 10 रेस में जीता।
अंतर: कुछ मामलों में, यह मानक सॉफ़्टवेयर की तुलना में 22 गुना अधिक सटीक था।
हारने वाले: मानक सॉफ़्टवेयर का उन्नत संस्करण (UKF) सभी 12 सीक्वेंस में क्रैश (डाइवर्ज) हो गया, जिसका अर्थ है कि उसने रोबोट की स्थिति का पूरी तरह से पता खो दिया।
FusionCore 2 रेस क्यों हारा:
1. लंबा ब्लैकआउट: एक रेस में, जीपीएस सिग्नल लगभग 8 मिनट तक गायब रहा। बिना मैप के इतने लंबे समय तक कोई भी सर्वश्रेष्ठ डिटेक्टिव भी सटीक अनुमान नहीं लगा सकता, और रोबोट थोड़ा भटक गया।
2. "एडवर्सरियल" ग्लिच: दूसरी रेस में, जीपीएस ने झूठ का एक ऐसा समूह भेजा जो इतना विश्वसनीय था कि उसने फ़िल्टर को चकमा दे दिया। मानक सॉफ़्टवेयर संयोग से उन्हें अस्वीकार कर गया क्योंकि उसके नियम बहुत सख्त थे, जबकि FusionCore बहुत मददगार होने की कोशिश कर रहा था और फंस गया। लेखक का कहना है कि ये विशिष्ट, सुधारात्मक मुद्दे हैं।

सारांश

FusionCore रोबोटों को यह जानने में मदद करने का एक स्मार्ट और अधिक अनुकूलनीय तरीका है कि वे कहाँ हैं। यह सेंसर त्रुटियों को समय के साथ बदलने वाली जीवित चीजों के रूप में देखता है, झूठ को अनदेखा करना सीखता है, और वर्तमान को ठीक करने के लिए अतीत को याद रखता है। हालांकि यह पूर्ण नहीं है, फिर भी यह अधिकांश वास्तविक दुनिया के परिदृश्यों में वर्तमान उद्योग मानक से काफी बेहतर प्रदर्शन करता है।

तकनीकी सारांश: FusionCore

समस्या विवरण

सटीक पोज़ एस्टिमेशन (pose estimation) स्वायत्त रोबोट नेविगेशन के लिए मौलिक है, फिर भी सेंसर फ्यूजन सिस्टम का व्यावहारिक परिनियोजन चुनौतीपूर्ण बना हुआ है। मौजूदा समाधान कई महत्वपूर्ण सीमाओं का सामना करते हैं:

बायस ड्रिफ्ट (Bias Drift): IMU जायरोस्कोप और एक्सेलेरोमीटर बायस निरंतर ड्रिफ्ट होते हैं, और व्हील एनकोडर यॉ रेट बायस (डिफरेंशियल ड्राइव में व्यवस्थित ऑफसेट) को शायद ही कभी फ़िल्टर स्टेट्स के रूप में माना जाता है, जिससे GPS आउटेज के दौरान हेडिंग एरर का संचय (accumulation) होता है।
आर्किटेक्चरल फ्रैजिलिटी (Architectural Fragility): प्रमुख ROS पैकेज जैसे robot_localization, GPS समन्वय रूपांतरण (UTM) के लिए अलग-अलग नोड्स पर निर्भर करते हैं, जिससे ज़ोन बाउंड्री विफलताएं आती हैं। वे फिक्स्ड नॉइज़ कोवेरियन्स और स्केलर आउटलियर रिजेक्शन थ्रेशोल्ड का भी उपयोग करते हैं जो माप की आयात्मकता (dimensionality) को ध्यान में नहीं रखते हैं।
परिचालन अंतराल (Operational Gaps): वर्तमान प्रणालियाँ GPS-रहित संचालन, मैप रीइनिशियलाइजेशन रिकवरी, और जटिल समन्वय के बिना VSLAM और रडार जैसे विविध सेंसरों के एकीकरण के साथ संघर्ष करती हैं।

कार्यप्रणाली (Methodology)

FusionCore एक ओपन-सोर्स ROS 2 पैकेज है जो एक 23-स्टेट अनसेंटेड कलमन फ़िल्टर (UKF) लागू करता है जो IMU, व्हील एनकोडर ओडोमेट्री, GPS और विजुअल SLAM पोज़ को एक एकल 100 Hz ओडोमेट्री स्ट्रीम में फ्यूज करता है।

मुख्य आर्किटेक्चर

स्टेट वेक्टर: फ़िल्टर एक 23-आयामी स्टेट वेक्टर बनाए रखता है जिसमें स्थिति ( $p$ ), ओरिएंटेशन ( $q$ ), लीनियर/एंगुलर वेलोसिटी ( $v, \omega$ ), लीनियर एक्सेलेरेशन ( $a$ ), जायरोस्कोप बायस ( $b_g$ ), एक्सेलेरोमीटर बायस ( $b_a$ ), और एक महत्वपूर्ण व्हील एनकोडर यॉ रेट बायस ( $b_{ewz}$ ) शामिल है।
बायस एस्टिमेशन: पिछले दृष्टिकोणों के विपरीत, जायरोस्कोप, एक्सेलेरोमीटर और एनकोडर बायस समर्पित प्रोसेस नॉइज़ के साथ प्रथम श्रेणी के फ़िल्टर स्टेट्स हैं। यह फ़िल्टर को अलग से कैलिब्रेशन चरण के बिना ऑनलाइन सेंसर-विशिष्ट बायस मानों पर अभिसरण (converge) करने की अनुमति देता है।
GPS फ्यूजन: सिस्टम स्वाभाविक रूप से अर्थ-सेंटर्ड, अर्थ-फिक्स्ड (ECEF) फ्रेम में GPS डेटा को फ्यूज करता है, जो केवल फ़िल्टर स्टेट के लिए ENU में परिवर्तित होता है। यह एक अलग navsat_transform नोड की आवश्यकता को समाप्त करता है और UTM ज़ोन बाउंड्री विफलताओं से बचाता है।
मेजरमेंट मॉडल्स:
- IMU: गुरुत्वाकर्षण और बायस को ध्यान में रखते हुए 6-DOF रॉ डेटा और 2/3-DOF ओरिएंटेशन अपडेट को संभालता है।
- व्हील एनकोडर: इंटीग्रेशन से पहले रिपोर्ट किए गए कोणीय वेग से अनुमानित $b_{ewz}$ को घटाता है। एडेप्टिव नॉइज़ के साथ नॉन-होलोनोमिक बाधाओं (शून्य ऊर्ध्वाधर वेग और त्वरण) को लागू करता है।
- VSLAM: किसी भी विजुअल ओडोमेट्री/SLAM सिस्टम से 6-DOF पोज़ स्वीकार करता है, जिसमें लगातार आउटलियर रिजेक्शन के बाद ट्रांसफॉर्म को पुनः एंकर करने के माध्यम से मैप रीइनिशियलाइजेशन से स्वचालित रिकवरी शामिल है।
- वेलोसिटी: स्लिप डिटेक्शन के लिए GPS डॉप्लर वेलोसिटी और रडार डॉप्लर एगो-वेलोसिटी का समर्थन करता है।

फ़िल्टर डिज़ाइन नवाचार

पर-सेंसर ची-स्क्वायरर्ड गेटिंग (Per-Sensor Chi-Squared Gating): प्रत्येक सेंसर पाथ के डिग्री ऑफ फ्रीडम (DOF) के लिए विशेष रूप से कैलिब्रेटेड थ्रेशोल्ड (जैसे 3-DOF GPS बनाम 1-DOF हेडिंग) के साथ महलानोबिस डिस्टेंस आउटलियर रिजेक्शन लागू करता है।
एडेप्टिव नॉइज़ कोवेरियन्स: इनोवेशन सीक्वेंस के स्लाइडिंग विंडो और एक्सपोनेंशियल मूविंग एवरेज का उपयोग करके वास्तविक समय में सेंसर नॉइज़ कोवेरियन्स ( $R$ ) को स्वचालित रूप से समायोजित करता है, जिससे पर्यावरणीय परिवर्तनों के कारण मैनुअल ट्यूनिंग की आवश्यकता समाप्त हो जाती है।
डिले कंपनसेशन (Delay Compensation): रेट्रोडिक्शन (retrodiction) करने के लिए 1-सेकंड के IMU रिंग बफर का उपयोग करता है, जो विलंबित GPS या VSLAM मापों को ऐतिहासिक स्टेट पर लागू करने के लिए आगे की ओर पुन: प्रचारित (re-propagate) करता है।
जीरो-वेलोसिटी अपडेट्स (ZUPT): बायस ड्रिफ्ट को दबाने के लिए स्थिर अवधियों का पता लगाता है।
कोस्ट मोड (Coast Mode): GPS ब्लैकआउट के दौरान, हेडिंग ड्रिफ्ट को कम करने के लिए अनुमानित एनकोडर यॉ बायस को एनकोडर डेटा से घटाया जाता है।

मुख्य योगदान

पेपर दस विशिष्ट योगदान प्रस्तुत करता है:

जायरोस्कोप, एक्सेलेरोमीटर और व्हील एनकोडर यॉ रेट बायस के निरंतर ऑनलाइन एस्टिमेशन के साथ 23-स्टेट UKF फॉर्मूलेशन।
UTM प्रोजेक्शन डिपेंडेंसी को हटाते हुए ECEF-नेटिव GPS फ्यूजन।
आयात्मकता-कैलिब्रेटेड थ्रेशोल्ड के साथ पर-सेंसर महलानोबिस ची-स्क्वायरर्ड आउटलियर गेटिंग।
इनोवेशन सीक्वेंस से स्वचालित नॉइज़ कोवेरियन्स अनुकूलन।
स्थिर अवधियों के लिए स्वचालित जीरो-वेलोसिटी अपडेट्स (ZUPT)।
डिले कंपनसेशन के लिए IMU रिंग-बफर रेट्रोडिक्शन।
मैप रीइनिशियलाइजेशन से स्वचालित रिकवरी के साथ विजुअल SLAM पोज़ फ्यूजन।
क्रॉस-सेंसर स्लिप डिटेक्शन के लिए GPS वेलोसिटी फ्यूजन।
4D इमेजिंग रडार प्लेटफॉर्म के लिए रडार डॉप्लर एगो-वेलोसिटी फ्यूजन।
बारह पूर्ण-लंबाई वाले NCLT सीक्वेंस पर robot_localization के विरुद्ध मात्रात्मक मूल्यांकन।

मूल्यांकन और परिणाम

सिस्टम का मूल्यांकन विविध मौसमी स्थितियों को कवर करने वाले NCLT सार्वजनिक डेटासेट के बारह पूर्ण-लंबाई वाले सीक्वेंस (प्रत्येक 55-92 मिनट) पर किया गया। मूल्यांकन ने एब्सोल्यूट ट्रजेक्टरी एरर (ATE) RMSE का उपयोग करके robot_localization EKF और UKF के विरुद्ध FusionCore की तुलना की।

प्रदर्शन: FusionCore ने 12 में से 10 सीक्वेंस पर robot_localization EKF की तुलना में कम ATE प्राप्त किया। जीतने वाले सीक्वेंस पर सुधार 1.2× से 22.2× तक रहा।
स्थिरता: robot_localization UKF पहले 30 सेकंड के भीतर सभी बारह सीक्वेंस पर संख्यात्मक रूप से डाइवर्ज (NaN) हो गया, जो हाई-रेट इनपुट के साथ ज्ञात अस्थिरता मुद्दों की पुष्टि करता है।
विफलता विश्लेषण:
- 2012-06-15 (FC लॉस): FusionCore 7.7 मिनट के GPS ब्लैकआउट के कारण robot_localization EKF से हार गया (49.2 मीटर बनाम 18.2 मीटर)। पेपर इसका श्रेय बिना किसी एब्सोल्यूट हेडिंग रेफरेंस (जैसे मैग्नेटोमीटर) के लंबे समय तक एनकोडर-आधारित डेड रेकनिंग की सीमाओं को देता है।
- 2012-08-20 (FC लॉस): FusionCore महत्वपूर्ण रूप से हार गया (98.3 मीटर बनाम 10.6 मीटर) क्योंकि ब्लैकआउट बाउंड्री पर ग्राउंड ट्रुथ से 720-840 मीटर दूर दिखने वाले 105 फिक्सेस के एक "एडवर्सरियल GPS क्लस्टर" के कारण। पेपर नोट करता है कि robot_localization के मिसकैलिब्रेटेड गेट ने इन आउटलियर्स को खारिज कर दिया, जबकि FusionCore का रिलैक्स्ड गेट (रिकवरी के लिए आवश्यक) उन्हें स्वीकार कर लिया। लेखक एक वेलोसिटी-कंसिस्टेंसी प्री-चेक को समाधान के रूप में पहचानते हैं।
कोवेरियन्स मिसमैच: पेपर इस बात पर प्रकाश डालता है कि robot_localization का फिक्स्ड, अक्सर गलत GPS कोवेरियन्स रिपोर्ट पर निर्भर होना वैध डेटा को खारिज करने और डेड रेकनिंग में ढह जाने का कारण बनता है। FusionCore का एडेप्टिव नॉइज़ मॉडल इसे तब इन्फ्लेट (inflate) करके कम करता है जब इनोवेशन एरर रिपोर्ट किए गए कोवेरियन्स से अधिक हो जाते हैं।

महत्व और दावे

पेपर दावा करता है कि FusionCore मौजूदा ROS 2 सेंसर फ्यूजन स्टैक की व्यावहारिक सीमाओं को संबोधित करता है, जो एक सिंगल लाइफसाइकिल नोड प्रदान करता है जिसे किसी बाहरी समन्वयक की आवश्यकता नहीं होती है। इसका महत्व इसमें निहित है:

मजबूती (Robustness): उन वास्तविक दुनिया के दीर्घकालिक परिदृश्यों में बेहतर ट्रजेक्टरी सटीकता प्राप्त करना जहाँ मौजूदा UKF कार्यान्वयन संख्यात्मक रूप से विफल हो जाते हैं।
अनुकूलन क्षमता (Adaptability): एडेप्टिव नॉइज़ और आयात्मकता-जागरूक गेटिंग के माध्यम से गतिशील सेंसर गुणवत्ता और GPS कोवेरियन्स मिसमैच को संभालना।
परिचालन निरंतरता (Operational Continuity): GPS-रहित संचालन और VSLAM मैप रीइनिशियलाइजेशन से निर्बाध रिकवरी को सक्षम करना।
पुनरुत्पादकता (Reproducibility): मानक प्लेटफॉर्म (TurtleBot3, Husky) और rtabmap_ros के एकीकरण के लिए बेंचमार्क स्क्रिप्ट और कॉन्फ़िगरेशन के साथ एक पूरी तरह से ओपन-सोर्स कार्यान्वयन प्रदान करना।

लेखक निष्कर्ष निकालते हैं कि हालांकि विशिष्ट विफलता मोड (लंबे ब्लैकआउट, एडवर्सरियल GPS क्लस्टर) मौजूद हैं, वे निदान योग्य हैं और भविष्य के कार्य के लिए आर्किटेक्चरल फिक्स (मैग्नेटोमीटर एकीकरण, वेलोसिटी प्री-चेक) की पहचान की गई है।