SwarmNxt: Open-source Software-Hardware Platform for Fast and Agile Aerial Swarms

技術要約：SwarmNxt

問題提起
空中ロボットスウォーム（群れ）は、緊急性の高い安全確保、セキュリティ、および捜索救助活動において大きな潜在能力を秘めており、単一のロボットよりも迅速に災害現場の調査やGPSの届かない環境の地図作成を行うことが可能です。しかし、完全自律的なスウォーム運用を実現するには、主に2つの要因が障壁となっています。一つは、未知の環境における堅牢な自律ナビゲーションの欠如であり、もう一つは、アクセシブルなハードウェア・ソフトウェア・プラットフォームの不在です。既存の商用ドローンは、多くの場合ソースが非公開であるか、あるいは機敏なビジョンベースの集団飛行に必要なオンボード計算リソースが不足しています。対照的に、オープンソースの研究用プラットフォームは、トレードオフに直面することがよくあります。例えば、ナノドローン・プラットフォーム（Crazyflieなど）は優れた自動化機能を提供しますが、複雑なナビゲーションのための計算能力と知覚能力に欠けています。一方で、より強力な研究用プラットフォーム（FLA、Fast 250、Starling 2など）は、ROS 1に依存しているため拡張性に制限があったり、アトミックなビルド手順が提供されていなかったり、あるいはスウォーム全体にわたるオーケストレーションやリアルタイム深度推定のための統一されたフレームワークを提供していなかったりします。さらに、単一のロボットからスウォームへと実験をスケールアップする際、ソフトウェアのデプロイ、構成、およびメンテナンスに関して、多大なエンジニアリング上のオーバーヘッドが生じます。

手法
著者らは、スウォール研究への参入障壁を下げるために設計された、オープンソースのソフトウェア・ハードウェア・プラットフォームであるSwarmNxtを提案しています。このフレームワークは、オープンソースのOmniNxtドローン・ハードウェア（NVIDIA Orin NXおよび360°フィッシュアイ・ビジョンを搭載）に基づいて構築されており、以下の4つのレイヤーにわたる包括的なパイプラインを統合しています。

1. 物理的組み立て： 本プラットフォームは、詳細な部品表（BOM）とビデオチュートリアルを伴う「アトミック」なビルド手順を提供し、専門的な機械的知識なしで約5時間でのドローンの組み立てを可能にします。
2. ソフトウェア・オーケストレーション： フリートレベルの一貫性を管理するために、著者らは並列的なソフトウェアデプロイメントとしてAnsibleを利用しています。これには以下のプレイブックが含まれます。
   • 個別セットアップ： ユニークなホスト名の割り当ておよびパワープロファイルの最適化。
   • 並列デプロイメント： スウォーム全体のROS 2自律パッケージのクローン作成とビルドを同時に実行し、べき等性を活用して変更されたパッケージのみを更新します。
   • 検証： カメラの同期と時刻合わせのプリフライトチェック、および中央分析のためのポストフライトログ取得。
3. ROS 2 自律スタック： コアとなるナビゲーションシステムは、ブロードキャストストームを防ぎ、飛行コマンドを保護するために、隔離されたネットワークドメイン（ROS Domain ID）を持つROS 2マルチエージェントアーキテクチャ上で動作します。このスタックは以下を統合しています。
   • 深度推定： S2M2（Scalable Stereo Matching Model）ネットワークが、4つのフィッシュアイカメラからの整流済みステレオ画像を処理し、高密度な深度マップを生成します。
   • マッピングとプランニング： HDSM（High-speed Decentralized and Synchronous Motion planner）は、ノイズの多い深度データを処理するための対数尤度占有更新スキームを利用し、静的な障害物に焦点を当てるために他のドローンをマップから除外します。
   • 制御： **適応型モデル予測制御（Adaptive MPC）**が100 Hzで軌道を追従し、積分制御則によってバッテリー電圧の低下を補償します。
   • 安全性： セーフティノードがEKFの分散とジオフェンシングを監視し、閾値を超えた場合に着陸をトリガーします。
4. モニタリング： 統一されたダッシュボードとFoxgloveの統合により、リアルタイムのテレメトリと可視化を提供します。

主な貢献
本論文では、4つの主要な貢献を述べています。

1. 組み立てのオーバーヘッドを最小限に抑えるための、アトミックなビルド手順とビデオチュートリアルを備えた包括的なハードウェア・パイプライン。
2. 並列的なソフトウェア構成およびスウォーム全体へのアップデートのための、オートメーション・スクリプト（Ansibleプレイブック）のスイート。
3. 制御（Adaptive MPC）、プランニング（HDSM）、およびビジョンベースの深度推定（S2M2）のための最先端アルゴリズムを統合し、物理的なマルチエージェント運用に適応させた、拡張可能なROS 2フレームワーク。
4. 実世界でのシナリオにおける本プラットフォームの実験的検証。

実験結果
著者らは、8×8×4 mのモーションキャプチャ・アリーナにおける2つの屋内実験を通じてSwarmNxtを検証しました。

• 6機ドローンスウォーム（自由環境）： ドローンは、位置の入れ替えや連続的なローミングを含む、高速な相互ドローン衝突回避を伴う分散型プランニングを実行しました。約2時間の飛行中、通信遅延やパケットロスが発生したにもかかわらず、衝突は発生しませんでした。システムは平均追従誤差を約0.077 mに維持しました。
• 4機ドローンスウォーム（障害物環境）： ドローンは、静的な障害物がある環境において、オンボード深度推定を用いた集団飛行を実行しました。30分間の飛行中、障害物や他のエージェントとの衝突は記録されませんでした。自律スタックはGPUの95%、CPUの54%を使用し、深度モジュールは約7 Hzで動作しました。

定量的な指標は、ワーストケースのシナリオにおいても、マッピングとプランニングが100 msの予算内に収まったことを示しました。Adaptive MPCは、40.4 msのワーストケース超過（目標の10 msに対して）を示しましたが、プランナーの安全半径が結果としての追従誤差をカバーしていたため、システムは安定を保ちました。

意義と限界
本論文は、SwarmNxtが、デプロイの簡便さと研究グレードの能力の間のギャップを埋め、ハードウェアの組み立てからマルチロボットのデプロイへの移行を合理化する「ターンキー・ソリューション」を提供すると主張しています。これは、制御、プランニング、SLAM、および深度推定に関する反復的な研究を可能にする、物理的なスウォーム実験のためのオープンな研究インフラを提供します。

著者らは現在の限界についても謙虚に述べています。S2M2深度推定パイプラインは、計算効率のために解像度が制限されており、遠方の小さな物体の検出が困難です。また、この手法はGPUへのほぼ独占的なアクセスを必要とするため、他の知覚モジュールの同時実行を妨げます。さらに、協調的な視覚慣性オドメトリ（VIO）ソリューションが、機敏なスウォーム飛行に必要な精度とレイテンシをまだ満たしていないため、システムは現在、外部のモーションキャプチャに依存しています。本研究は、堅牢な深度推定、分散型の相対位置推定、および完全自律的な屋外展開に向けた将来の研究の基礎となることを意図しています。