When Simultaneous Localization and Mapping Meets Wireless Communications: A Survey

Resumo Técnico: Quando Localização e Mapeamento Simultâneos Encontram Comunicações Sem Fio: Uma Pesquisa

Declaração do Problema
O artigo aborda a interseção emergente entre Localização e Mapeamento Simultâneos (SLAM) e comunicações sem fio, uma convergência impulsionada pela proliferação de equipamentos comerciais de sensoriamento sem fio e avanços em sistemas autônomos inteligentes. Embora o SLAM tenha tradicionalmente dependido de sensores visuais (RGB, LiDAR) e inerciais, e as comunicações sem fio tenham evoluído para fornecer conectividade de alta frequência e baixa latência, os dois domínios desenvolveram-se amplamente em paralelo. O problema central é a falta de um quadro unificado que explore o impacto bidirecional entre esses campos. Especificamente, há necessidade de compreender como sinais sem fio (RF, mmWave, WiFi) podem resolver limitações no SLAM visual (como ambiguidade de escala e perda de características em ambientes sem textura) e, inversamente, como a odometria visual e a detecção de marcos podem otimizar objetivos de comunicação sem fio (como alinhamento de feixe e modelagem de canal). O artigo também destaca a lacuna na literatura existente, que frequentemente trata a localização sem fio ou o SLAM de forma isolada, em vez de como um sistema acoplado de percepção-estimação-controle.

Metodologia
Os autores conduziram uma pesquisa abrangente utilizando uma estratégia de busca bibliográfica em três etapas, envolvendo o banco de dados Scopus, uma revisão manual das publicações da IEEE Communications Surveys & Tutorials (2018–2025) e uma triagem de listas de referências. A pesquisa é estruturada em torno de três eixos temáticos centrais:

1. Fundamentos do SLAM em Sistemas Autônomos em Rede: O artigo define uma arquitetura multicamadas (Camadas de Interação, Sensoriamento, Estimação, Inferência e Coordenação) para contextualizar como o SLAM opera em ambientes em rede. Distingue-se entre SLAM Passivo (inferir movimento e estrutura a partir de fluxos de dados existentes sem sondagem deliberada) e SLAM Ativo (onde entradas de controle são otimizadas para reduzir a incerteza de estimação ou melhorar métricas de comunicação).
2. Métodos de SLAM e Técnicas Baseadas em Modalidade: A pesquisa categoriza e analisa abordagens matemáticas e algorítmicas, incluindo métodos probabilísticos (filtros bayesianos, filtros de partículas, grafos de fatores), SLAM baseado em grafos e SLAM baseado em campo vetorial. Revisa ainda modalidades de sensores como Inercial, LiDAR, Odometria Visual de Alcance e localização baseada em RSSI multiagente.
3. SLAM Habilitado por Tecnologias Sem Fio e 6G: Esta seção examina a integração de tecnologias sem fio em pipelines de SLAM. Abrange SLAM sem fio baseado em Redes Neurais Profundas (DNN) (SLAM de Acoplamento Profundo, Percepção Conjunta Semântica e Espacial Profunda), extração de mapas de rádio via sensoriamento mmWave, impressão digital WiFi, sensoriamento baseado em dispositivo (ISAC) e SLAM auxiliado por Superfície Inteligente Reconfigurável (RIS).

Principais Contribuições

• Quadro Unificado para Impacto Bidirecional: O artigo sintetiza linhas de pesquisa em um quadro unificado que demonstra como sinais sem fio aumentam o vetor de estado do veículo e como informações visuais auxiliam na modelagem de canais sem fio. Mapeia explicitamente a relação bidirecional: sinais RF/mmWave servem como proxies para resolução de escala no SLAM visual monococular, enquanto a odometria visual auxilia na previsão de trajetória geométrica ótima para canais sem fio.
• Taxonomia de SLAM Ativo vs. Passivo: Os autores fornecem uma distinção detalhada entre SLAM passivo (onde sinais de feedback de comunicação preservam a conectividade enquanto transmitem informações geométricas) e SLAM ativo (onde o controle de movimento é otimizado para reduzir a incerteza de marcos ou melhorar o alinhamento de feixe).
• Formulações Matemáticas: A pesquisa detalha modelos matemáticos específicos, incluindo:
  • Geometria Epipolar e Ambiguidade de Escala: Como entradas de movimento métrico provenientes de odometria sem fio (ToA, AoA, RSS) podem resolver o fator de escala ($\lambda_k$) no SLAM visual monococular.
  • Formulação de Controle Ativo: A derivação de entradas de controle ($u_k$) para minimizar o traço da matriz de covariância posterior, vinculando efetivamente a redução da incerteza de estimação a objetivos de comunicação como o direcionamento ótimo de feixe.
  • SLAM de Campo Vetorial: Modelagem de variações espaciais em sinais contínuos (por exemplo, RSS de WiFi) como campos vetoriais para permitir mapeamento sem extração explícita de marcos.
• Análise Comparativa: Através da Tabela I e Tabela II, o artigo compara quantitativamente seu escopo com pesquisas representativas (por exemplo, Zeng et al., Italiano et al., Shastri et al.), demonstrando sua cobertura única de integração conjunta visão-sem fio, modelagem matemática e os paradigmas de SLAM passivo e ativo.

Resultados e Descobertas

• Complementaridade de Modalidades: A pesquisa conclui que o SLAM visual monococular beneficia-se significativamente de sinais RF/mmWave para resolução de ambiguidade de escala. Inversamente, redes 5G e além podem aproveitar a odometria visual e a detecção de marcos para prever a geometria do canal e otimizar o alinhamento de feixe.
• Tecnologias Emergentes:
  • Aprendizado Profundo: Abordagens baseadas em DNN (por exemplo, DC-SLAM) demonstram desempenho superior em ambientes NLOS em comparação com métodos probabilísticos tradicionais, alcançando precisões de posicionamento médias de 0,11m em ambientes internos.
  • SLAM Auxiliado por RIS: O artigo discute "MetaSLAM", onde RISs atuam como nós distribuídos fornecendo serviços de SLAM, e "LeRIS" (RIS emissor de luz), que utiliza âncoras ópticas para localização.
  • Imagem Tomográfica de Rádio (RTI): Sistemas como UBIQMAP demonstram a capacidade de mapear ambientes além da linha de visada (LOS) usando atenuação de RF, complementando o SLAM tradicional LiDAR/visual.
• Desafios Identificados: O artigo identifica quatro desafios primários que impedem a implantação generalizada:
  1. Dinâmica do Ambiente: Objetos em movimento e oclusões variantes no tempo causam inconsistências entre modalidades visuais e sem fio.
  2. Latência: Restrições de tempo real estritas são difíceis de atender devido a atrasos de processamento em sensores de alta resolução e sobrecarga de comunicação em sistemas em rede.
  3. Eficiência Energética: Cargas computacionais elevadas para extração de características e atualizações frequentes de CSI criam demandas significativas de energia para plataformas móveis.
  4. Segurança e Privacidade: Sistemas de SLAM em rede são vulneráveis a ataques adversariais (falsificação, interferência) e levantam preocupações de privacidade relacionadas ao compartilhamento de dados espaciais e de trajetória.

Significado e Alegações
O artigo afirma que a interseção entre SLAM e comunicações sem fio forma um paradigma fundamental para sistemas de veículos robóticos e autônomos inteligentes habilitados para 6G. Argumenta que, embora avanços teóricos e práticos estejam surgindo, soluções integradas que realizam comunicações e localização conjuntas estão atualmente em sua infância.

O significado deste trabalho reside em seu papel como ponto de referência interdisciplinar. Postula que futuros sistemas autônomos em rede exigirão uma mudança de tratar localização e conectividade como funções separadas para uma abordagem unificada de "Sensoriamento e Comunicações Integrados" (ISAC). Os autores sugerem que avanços teóricos e práticos nessa interseção poderiam adicionar capacidades de localização de nível superior e percepção semântica às tecnologias RF/mmWave e multi-antena, apoiando finalmente a navegação segura, o controle de feedback de estado robusto e a otimização de rede em tempo real. O artigo conclui modestamente que, embora existam resultados promissores, soluções totalmente integradas exigem mais pesquisa em fusão heteromodal, estimação distribuída e computação alimentada por borda.