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

Sintesi Tecnica: Verso Sistemi di Agenti di Ricerca Singoli Networked

Problematica
La localizzazione accurata di emettitori wireless stazionari è critica per applicazioni robotiche come la ricerca e il soccorso (SAR) e la mappatura delle infrastrutture. Sebbene i sistemi di navigazione globale via satellite (GNSS) siano lo standard, essi degradano in ambienti complessi. Le soluzioni esistenti si affidano spesso al fingerprinting della forza del segnale (che richiede una calibrazione preventiva) o a tecnologie di ranging dedicate come l'Ultra-Wideband (UWB), che richiedono infrastrutture progettate ad hoc. Il protocollo IEEE 802.11mc Fine Time Measurement (FTM) offre una via di mezzo, fornendo stime di distanza a livello di metro utilizzando hardware WiFi commerciale senza richiedere la sincronizzazione dell'orologio. Tuttavia, sfruttare l'FTM per la localizzazione all'aperto di access point (AP) terrestri da parte di un veicolo aereo non pilotato (UAV) presenta delle sfide: il sistema deve eseguire la multilaterazione in tempo reale utilizzando una linea di base mobile (l'UAV) gestendo al contempo il rumore delle misurazioni, le condizioni di non linea di vista (NLoS) e le limitate risorse computazionali sul dispositivo edge.

Metodologia
Gli autori propongono un sistema proof-of-concept in cui un UAV funge da iniziatore FTM e ricevitore GNSS, localizzando gli AP WiFi terrestri che fungono da responder FTM. L'architettura centrale inverte i modelli precedenti: invece che la vittima porti uno smartphone, l'agente di ricerca (UAV) porta con sé la computazione, mentre il target trasporta un semplice AP passivo.

• Piattaforma Hardware: Il sistema utilizza un UAV DJI Matrice 350 RTK che trasporta uno smartphone Google Pixel 7 Pro e un ricevitore GNSS multi-banda u-blox ZED-F9P. Lo smartphone esegue un'applicazione Android personalizzata che interfaccia con l'API WiFi RTT e il ricevitore GNSS.
• Pipeline di Localizzazione: Il sistema tratta la traiettoria di volo come un problema di multilaterazione temporale. La pipeline include:
  1. Associazione dei Dati: Sincronizzazione dei timestamp di ranging FTM con le posizioni GNSS utilizzando un clock monotonico, con una finestra di associazione di 1,2 secondi.
  2. Gating degli Outlier: Un filtro Median Absolute Deviation (MAD) a finestra scorrevole scarta i grossolani outlier preservando le misurazioni valide in Line-of-Sight (LoS).
  3. Inizializzazione: Un bootstrap Gauss-Newton a due stadi calcola una stima iniziale della posizione 3D una volta raggiunta una sufficiente dispersione geometrica.
  4. Filtraggio Sequenziale: Il sistema impiega un Filtro di Kalman Esteso Iterato (IEKF) con tracciamento del bias o un Filtro di Kalman Unscented (UKF). Il vettore di stato include la posizione dell'AP $(x, y, z)$ e un bias di distanza residuo.
  5. Modellazione del Rumore: Sono state valutate sei diverse configurazioni di rumore di misurazione, che spaziano da un modello a baseline costante a modelli adattivi che regolano la varianza in base alla distanza, all'indicatore di forza del segnale ricevuto (RSSI) e al rilevamento NLoS (utilizzando l'asimmetria della finestra di distanza e la coerenza dell'RSSI).
• Vincoli: Il sistema opera autonomamente senza connettività di rete, registrando i dati in file JSONL, sebbene supporti ROS 2 per la fusione multi-agente quando è disponibile un collegamento.

Contributi Chiave

1. Pipeline di Stima in Tempo Reale: Una pipeline completa che gira su uno smartphone commerciale, integrando ranging, posizionamento e stima (IEKF/UKF) con tracciamento del bias e gating degli outlier.
2. Analisi delle Configurazioni di Rumore: Una valutazione comparativa di sei modelli di rumore di misurazione, dimostrando come la ponderazione dipendente da distanza e RSSI preservi la diversità delle misurazioni e permetta correzioni nelle fasi finali durante i sorvoli ravvicinati.
3. Validazione sul Campo: Test proof-of-concept in un terreno montuoso non strutturato con tre AP sotto diverse condizioni di occultamento: LoS, NLoS moderata (vegetazione) e NLoS severa (vegetazione + detriti).
4. Integrazione dell'Architettura di Rete: Dimostrazione preliminare dell'interoperabilità a livello software, mostrando come agenti eterogenei (UAV e terra) possano condividere le osservazioni FTM tramite ROS 2, fungendo da blocco costruttivo per sistemi "Networked One Search Agent" (OSA).

Risultati
Gli esperimenti sono stati condotti presso l'Università di Málaga con tre AP.

• Prestazioni LoS (AP_1F): Per un AP con 455 misurazioni di ranging:
  • La pipeline online in tempo reale (modalità BASELINE) ha ottenuto un errore orizzontale finale di 4,4 m e un errore 3D di 5,5 m.
  • Il replay offline utilizzando il modello di rumore EMPIRICAL-R (dipendente da distanza e RSSI) ha ottenuto un errore orizzontale medio pesato nel tempo (TWM) di 4,7 m.
  • Con il miglior modello di rumore, un sorvolo ravvicinato ha permesso al sistema di raffinare la stima portando l'errore orizzontale finale a 1,1 m.
  • Il modello ADAPTIVE-R ha ottenuto l'incertezza interna più piccola ($\sigma_H = 1,0$ m) ma un errore finale di 4,3 m.
• Prestazioni NLoS:
  • NLoS Moderata (AP_AB): Il sistema non è riuscito a convergere in tempo reale a causa della scarsità di misurazioni (31 totali), dell'attenuazione del segnale e di una geometria quasi collineare (numero di condizionamento $\kappa = 28,5$). Tuttavia, un risolutore robusto di minimi quadrati offline ha recuperato una soluzione grossolana con un errore orizzontale di circa 7 m.
  • NLoS Severa (AP_AA): L'AP, bloccato da vegetazione e detriti di cemento, ha prodotto zero risposte FTM.
• Confidenza del Filtro: Gli autori notano che la covarianza interna del filtro ($\sigma_H$) sottostima significativamente l'errore assoluto effettivo (ad esempio, $\sigma_H \approx 1,1$ m rispetto a un errore effettivo di $\approx 4,4$ m). Ciò è attribuito a errori correlati non modellati nelle pose dell'iniziatore riferite al GNSS, poiché il sistema non includeva un termine di covarianza GNSS separato nei modelli di confronto.

Significatività e Rivendicazioni
Il documento posiziona questo lavoro come un avanzamento architettonico per i sistemi OSA networked piuttosto che come una rivendicazione di superiorità nell'accuratezza rispetto a dataset precedenti. Invertendo l'architettura di localizzazione — ponendo l'onere computazionale sull'agente di ricerca e richiedendo solo un semplice responder compatibile con FTM sul target — il sistema elimina la necessità di software sul lato della vittima.

Gli autori sottolineano che il sistema è un blocco costruttivo per futuri sistemi multi-agente. Sebbene la pipeline a singolo agente dimostri prestazioni a livello di metro in condizioni LoS, il documento riconosce con modestia che l'operatività in condizioni NLoS rimane una sfida significativa a causa della geometria e del blocco del segnale. Il risultato di 1,1 m è caratterizzato come un "esito favorevole di passaggio ravvicinato" dipendente da una specifica geometria di volo, non come un limite garantito del sistema. Il lavoro futuro è diretto verso la fusione a livello di rete, il miglioramento della pianificazione delle traiettorie di volo (ad esempio, pattern elicoidali o a griglia) per ottimizzare il condizionamento della multilaterazione, e lo sviluppo di risolutori robusti smorzati per geometrie degenerate.