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

Resumo Técnico: Rumo a Sistemas de Agente de Busca Único em Rede

Definição do Problema
A localização precisa de emissores sem fio estacionários é crítica para aplicações robóticas, como busca e salvamento (SAR) e mapeamento de infraestrutura. Embora os Sistemas Globais de Navegação por Satélite (GNSS) sejam o padrão, eles degradam-se em ambientes complexos. As soluções existentes dependem frequentemente de impressão digital de força de sinal (que exige calibração prévia) ou de tecnologias de medição de distância dedicadas, como o Ultra-Wideband (UWB), que exigem infraestrutura projetada especificamente. O protocolo IEEE 802.11mc Fine Time Measurement (FTM) oferece um meio-termo, fornecendo estimativas de alcance em nível de metro usando hardware Wi-Fi comercial sem exigir sincronização de relógio. No entanto, utilizar o FTM para localização externa de pontos de acesso (APs) baseados no solo a partir de um Veículo Aéreo Não Tripulado (UAV) apresenta desafios: o sistema deve realizar a multilateração em tempo real usando uma linha de base móvel (o UAV) enquanto lida com ruído de medição, condições de não linha de visada (NLoS) e recursos computacionais limitados no dispositivo de borda.

Metodologia
Os autores propõem um sistema de prova de conceito onde um UAV atua como um iniciador FTM e receptor GNSS, localizando APs baseados em Wi-Fi no solo que atuam como respondedores FTM. A arquitetura central inverte os modelos anteriores: em vez de a vítima carregar um smartphone, o agente de busca (UAV) carrega a computação, enquanto o alvo carreça um AP simples e passivo.

• Plataforma de Hardware: O sistema utiliza um UAV DJI Matrice 350 RTK carregando um smartphone Google Pixel 7 Pro e um receptor GNSS multibanda u-blox ZED-F9P. O smartphone executa uma aplicação Android personalizada que faz a interface com a API WiFi RTT e o receptor GNSS.
• Pipeline de Localização: O sistema trata a trajetória de voo como um problema de multilateração temporal. O pipeline inclui:
  1. Associação de Dados: Sincronização dos timestamps de alcance FTM com posições GNSS usando um relógio monotônico, com uma janela de associação de 1,2 segundos.
  2. Filtragem de Outliers: Um filtro de Desvio Absoluto da Mediana (MAD) de janela deslizante rejeita outliers grosseiros enquanto preserva medições válidas de Linha de Visada (LoS).
  3. Inicialização: Um bootstrap Gauss-Newton de dois estágios calcula uma estimativa inicial de posição 3D assim que uma dispersão geométrica suficiente é alcançada.
  4. Filtragem Sequencial: O sistema emprega um Filtro de Kalman Estendido Iterado (IEKF) com rastreamento de viés ou um Filtro de Kalman Não Linear (UKF). O vetor de estado inclui a posição do AP $(x, y, z)$ e um viés de alcance residual.
  5. Modelagem de Ruído: Seis configurações distintas de ruído de medição foram avaliadas, variando de um modelo de linha de base constante a modelos adaptativos que ajustam a variância com base na distância, no Indicador de Força de Sinal Recebido (RSSI) e na detecção de NLoS (usando assimetria da janela de alcance e consistência de RSSI).
• Restrições: O sistema opera autonomamente sem conectividade de rede, registrando dados em arquivos JSONL, embora suporte ROS 2 para fusão multiagente quando um link está disponível.

Principais Contribuições

1. Pipeline de Estimativa em Tempo Real: Um pipeline completo rodando em um smartphone comercial, integrando medição de alcance, posicionamento e estimativa (IEKF/UKF) com rastreamento de viés e filtragem de outliers.
2. Análise de Configuração de Ruído: Uma avaliação comparativa de seis modelos de ruído de medição, demonstrando como a ponderação dependente de distância e RSSI preserva a diversidade de medição e permite correções em estágio tardio durante aproximações próximas.
3. Validação de Campo: Testes de prova de conceito em terreno montanhoso não estruturado com três APs sob diferentes condições de ocultação: LoS, NLoS moderado (vegetação) e NLoS severo (vegetação + detritos).
4. Integração de Arquitetura em Rede: Demonstração preliminar de interoperabilidade de software, mostrando que agentes heterogêneos (UAV e solo) podem compartilhar observações FTM via ROS 2, servindo como um bloco de construção para sistemas de "Agente de Busca Único em Rede" (Networked One Search Agent - OSA).

Resultados
Experimentos foram conduzidos na Universidade de Málaga com três APs.

• Desempenho LoS (AP_1F): Para um AP com 455 medições de alcance:
  • O pipeline de tempo real online (modo BASELINE) alcançou um erro horizontal final de 4,4 m e um erro 3D de 5,5 m.
  • O replay offline usando o modelo de ruído EMPIRICAL-R (dependente de distância e RSSI) alcançou um erro horizontal de média ponderada pelo tempo (TWM) de 4,7 m.
  • Sob o melhor modelo de ruído, uma passagem próxima permitiu que o sistema refinasse a estimativa para um erro horizontal final de 1,1 m.
  • O modelo ADAPTIVE-R alcançou a menor incerteza interna ($\sigma_H = 1,0$ m), mas um erro final de 4,3 m.
• Desempenho NLoS:
  • NLoS Moderado (AP_AB): O sistema falhou em convergir em tempo real devido a medições esparsas (31 no total), atenuação de sinal e geometria quase colinear (número de condição $\kappa = 28,5$). No entanto, um solver de mínimos quadrados robusto offline recuperou uma solução grosseira com aproximadamente 7 m de erro horizontal.
  • NLoS Severo (AP_AA): O AP, bloqueado por vegetação e detritos de concreto, produziu zero respostas FTM.
• Confiança do Filtro: Os autores observam que a covariância interna do filtro ($\sigma_H$) subestima significativamente o erro absoluto real (ex: $\sigma_H \approx 1,1$ m vs. erro real $\approx 4,4$ m). Isso é atribuído a erros correlacionados não modelados nas poses do iniciador referenciadas pelo GNSS, uma vez que o sistema não incluiu um termo de covariância GNSS separado nos modelos de comparação.

Significância e Alegações
O artigo posiciona este trabalho como um avanço arquitetural para sistemas OSA em rede, em vez de uma alegação de superioridade de precisão sobre bases de dados anteriores. Ao inverter a arquitetura de localização — colocando o fardo computacional no agente de busca e exigindo apenas um respondedor simples capaz de FTM no alvo — o sistema elimina a necessidade de software no lado da vítima.

Os autores enfatizam que o sistema é um bloco de construção para futuras redes multiagentes. Embora o pipeline de agente único demonstre desempenho de nível de metro em LoS, o artigo reconhece modestamente que a operação em NLoS continua sendo um desafio significativo devido à geometria e ao bloqueio de sinal. O resultado de 1,1 m é caracterizado como um "resultado favorável de passagem próxima" dependente de uma geometria de voo específica, não um limite garantido do sistema. O trabalho futuro é direcionado para fusão em nível de rede, planejamento de trajetória de voo aprimorado (ex: padrões helicoidais ou de grade) para otimizar o condicionamento da multilateração, e o desenvolvimento de solvers robustos amortecidos para geometrias degeneradas.