Marker-Constrained Pose-Graph Correction for Cross-Platform Georeferencing in GNSS-Denied Environments

Nel mondo delle macchine autonome, sapere esattamente dove ci si trova è la differenza tra una missione di successo e un robot perduto. Quando un drone o un veicolo terrestre opera in campi aperti, si affida ai satelliti per individuare la propria posizione. Ma nelle fitte foreste, nei profondi canyon urbani o nelle aree in cui i segnali vengono deliberatamente bloccati, quella guida satellitare svanisce. Senza di essa, le macchine devono affidarsi ai propri sensori interni per intuire il proprio percorso. Questi sensori sono bravi a tracciare il movimento per un breve periodo, ma inevitabilmente derivano, come una bussola che lentamente ruota fuori rotta. Durante un lungo viaggio, questo piccolo errore si trasforma in un errore massiccio, lasciando la macchina incerta se si trovi davanti a un edificio o a cento metri di distanza da esso. Questo problema diventa ancora più difficile quando diversi tipi di macchine, come droni volanti e robot che camminano, devono condividere una mappa. Se non riescono a concordare un sistema di coordinate comune, non possono lavorare insieme efficacemente.

Per risolvere questo problema, i ricercatori hanno sviluppato un nuovo metodo che permette alle macchine di trovare la strada senza l'uso dei satelliti, utilizzando dei marcatori invisibili e pre-posizionati. Questi marcatori non sono gli adesivi luminosi e ad alto contrasto solitamente visti nei laboratori di robotica, che rivelerebbero una posizione nascosta in un contesto militare o di sicurezza. Invece, il team ha utilizzato piccole sfere fatte di speciali cristalli liquidi che riflettono la luce in un modo invisibile all'occhio umano, ma perfettamente chiaro per una telecamera dotata dei filtri giusti. Posizionando alcuni di questi marcatori in luoghi noti prima di una missione, i ricercatori hanno creato una griglia nascosta che le macchine potevano usare per correggere i loro percorsi derivanti. L'obiettivo era vedere se questo sistema potesse prendere un percorso approssimativo e derivante da un sensore leggero e una mappa 3D dettagliata da un sensore pesante, e farli scattare nelle corrette posizioni del mondo reale senza mai aver bisogno di un segnale satellitare.

I ricercatori hanno testato questa idea simulando due diversi tipi di missioni: una che imitava un drone in volo nell'aria e un'altra che imitava un veicolo terrestre in movimento lungo la terra. Hanno utilizzato un unico dispositivo portatile che trasportava uno scanner laser e una telecamera, muovendolo attraverso un percorso che rappresentava sia il volo che il tragitto terrestre. Per creare la griglia nascosta, hanno posizionato un singolo marcatore fisico in sei diversi punti censiti lungo il percorso, spostandolo da un punto all'altro mentre registravano i dati. In ogni punto, il marcatore era posizionato in modo da essere invisibile a occhio nudo, fondendosi perfettamente con lo sfondo, pur riflettendo un particolare schema di luce che la telecamera poteva rilevare e identificare. Il sistema ha poi utilizzato queste rilevazioni per correggere la mappa interna della macchina.

I risultati hanno dimostrato che questo approccio ha funzionato sorprendentemente bene. Prima della correzione, la stima interna del percorso della macchina derivava significativamente, causando un posizionamento errato quando tornava in un punto che aveva già visitato. Dopo l'applicazione della correzione basata sul marcatore, l'errore nella sessione simile a quella di un drone è diminuito di quasi il 98 percento, e l'errore nella sessione simile a quella di un veicolo terrestre è diminuito di oltre il 99 percento. Ciò significava che, quando la macchina tornava al punto di partenza, conosceva la sua posizione con estrema precisione, anche se non aveva mai visto un satellite. Il sistema ha inoltre migliorato la precisione delle mappe 3D dettagliate che costruiva, rendendole allineate correttamente con il mondo reale senza la necessità di cucirle manualmente in seguito.

Una parte fondamentale dello studio è stata comprendere come il posizionamento di questi marcatori influenzasse i risultati. Il team ha scoperto che avere più marcatori portava generalmente a una maggiore precisione, il che è intuitivo. Tuttavia, hanno scoperto anche qualcosa di sorprendente su dove posizionarli. Il senso comune suggerirebbe che i marcatori dovrebbero essere distribuiti il più lontano possibile per creare una rete ampia. Eppure, i dati hanno mostrato che i marcatori posizionati in linea retta tra altri due marcatori venivano predetti con maggiore accuratezza rispetto ai marcatori posizionati agli angoli acuti o agli estremi del percorso. Ciò accadeva perché il processo matematico utilizzato per correggere la mappa funziona meglio quando riempie i vuoti tra punti noti, piuttosto che cercare di indovinare cosa si trovi molto oltre di essi. Questa intuizione suggerisce che, per le missioni future, il fattamente più importante non è evitare le linee rette, ma garantire che i bordi dell'area di interesse siano coperti dai marcatori.

Lo studio ha anche dimostrato che questo metodo consente a diverse macchine di concordare su una mappa senza mai comunicare direttamente tra loro. I ricercatori hanno generato due mappe 3D separate e dettagliate — una dal percorso simulato del drone e una dal percorso simulato del veicolo terrestre. Ogni mappa è stata corretta indipendentemente utilizzando solo i marcatori nascosti. Quando hanno sovrapposto queste due mappe, esse coincidevano con una distanza mediana di soli 58 centimetri tra i punti corrispondenti. Questo livello di accordo è avvenuto senza che alcun software speciale cercasse di forzare l'unione delle due mappe, provando che i marcatori nascosti fornivano un linguaggio comune affidabile per diversi tipi di macchine.

L'intero processo è stato anche abbastanza veloce per un uso in tempo reale. Il computer ha impiegato meno di un quarto di secondo per correggere il percorso di un'intera sessione, e la telecamera poteva individuare i marcatori invisibili a una frequenza di circa 80 volte al secondo. Questa velocità, unita al fatto che i marcatori sono invisibili all'occhio umano e possono essere mimetizzati su qualsiasi superficie, rende il sistema altamente pratico per le operazioni di difesa e sicurezza in cui la visibilità è un rischio. I ricercatori hanno osservato che, sebbene il sistema sia una solida prova di concetto, il lavoro futuro dovrà testarlo con più marcatori distribuiti contemporaneamente e su veri veicoli volanti e terrestri, piuttosto che su un singolo dispositivo portatile. Per ora, lo studio dimostra che con pochi ancoraggi invisibili e posizionati con cura, le macchine autonome possono navigare in ambienti complessi e privi di segnale con un livello di precisione che prima era difficile da raggiungere.