RADAR Perception for Dynamic Obstacle Avoidance onboard small-scale Quadrotor UAVs

Resumo Técnico: Percepção por RADAR para Desvio de Obstáculos Dinâmicos em UAVs Quadrotor de Pequena Escala

Definição do Problema
O desvio de obstáculos dinâmicos (DOA) rápido para veículos aéreos não tripulados (UAVs) requer um sistema de percepção que equilibre baixa latência, alcance de detecção suficiente e robustez em condições ambientais adversas. Os sistemas de DOA de última geração atuais dependem fortemente de sensores visuais (câmeras) ou LiDAR. No entanto, sensores ópticos apresentam dificuldades com baixa iluminação, fumaça e superfícies reflexivas, além de carecerem de medições diretas de velocidade, o que exige processamento adicional e aumenta a latência. O LiDAR oferece detecção de longo alcance, mas demanda altos recursos computacionais e também falha em medir a velocidade diretamente. O RADAR de ondas milimétricas (mmWave) oferece uma alternativa de baixo custo com medições diretas de distância, velocidade e posição, além de robustez à iluminação e à fumaça. Contudo, os dados de RADAR são esparsos, tornando a estimativa do tamanho do objeto difícil, e sua aplicação para DOA onboard rápido (excedendo 50 Hz) em plataformas com recursos limitados ainda não havia sido validada anteriormente.

Metodologia
Os autores propõem um sistema de percepção e controle end-to-end leve, utilizando um sensor RADAR FMCW de 77–81 GHz em um quadrotor de pequena escala. A arquitetia do sistema é dividida em três componentes principais:

1. Percepção e Rastreamento:

   • Detecção: O sistema emprega um algoritmo de janela deslizante combinado com agrupamento (clustering) DBSCAN para processar nuvens de pontos de RADAR bruto a 100 Hz. Ele distingue pontos dinâmicos de estáticos usando limiares de velocidade radial, agregando quadros para gerar caixas delimitadoras 3D com estimativas de estado $(x, y, z, v_x, v_y, v_z)$.
   • Rastreamento: Um rastreador SAFE-Interacting Multiple Model (IMM) é utilizado para rastrear obstáculos de forma robusta. Esta arquitetura limita o desvio da trajetória durante as mudanças de modelo sem alto custo computacional, utilizando uma associação de Vizinho Mais Próximo Global (GNN) e filtros de Kalman (velocidade constante e aceleração constante).
   • Análise de Latência: Os autores derivam limites analíticos para o desvio bem-sucedido, definindo uma distância crítica $d_{crit}$ baseada na latência total end-to-end ($t_{end} = t_{det} + t_{avoid}$), o tempo de evasão ($t_{evade}$) e a velocidade relativa ($v_{rel}$). O desvio bem-sucedido requer o acionamento da manobra antes que o obstáculo entre em $d_{crit}$.

2. Controle e Desvio:

   • O sistema utiliza um Filtro de Barreira de Controle de Aceleração Distribucionalmente Robusto (DR-ACBF). Diferente de solvers de programação quadrática pesados, este controlador utiliza uma projeção determinística de Gauss-Southwell para computar acelerações evasivas dentro de um semiplano linear.
   • Para lidar com o ruído do RADAR e erros de estimativa, o framework incorpora um gatilho de Valor em Risco Condicional Distribucionalmente Robusto (DR-CVaR). Este mecanismo expande adaptativamente as margens de segurança com base em distribuições de probabilidade de pior caso, garantindo o desvio de colisão robusto mesmo com medições ruidosas.

3. Implementação:

   • O sistema foi implementado em um computador de bordo Raspberry Pi 4B (Pi4B), rodando Ubuntu 20.04 e ROS2 Galactic, interconectado a um controlador de voo PX4.
   • O sensor de RADAR é configurado para alta resolução de velocidade e um amplo campo de visão, otimizado para detectar objetos de pequena Seção de Radar Cruzada (RCS).

Principais Contribuições

• Primeiro DOA Rápido Baseado em RADAR mmWave: Tanto quanto é do conhecimento dos autores, este é o primeiro sistema a demonstrar DOA rápido onboard usando RADAR mmWave em um UAV de recursos limitados sem aceleração por GPU.
• Análise de Limites Espaciais e de Latência: O artigo fornece uma derivação teórica das restrições temporais e espaciais necessárias para um DOA bem-sucedido, relacionando alcance de detecção, velocidade relativa e atrasos de controle.
• Validação do Sistema: Os autores validam o sistema tanto em uma estação de trabalho quanto em um Pi4B, demonstrando viabilidade em tempo real com uma latência end-to-end de aproximadamente 14 ms.
• Dataset Abrangente: O trabalho inclui um conjunto de dados de 390 lançamentos envolvendo três tamanhos diferentes de objetos sob variadas condições de visibilidade (luz, escuridão e fumaça).

Resultados Experimentais
O sistema foi avaliado através de experimentos de hardware-in-the-loop (HiL) estacionários e testes de voo onboard:

• Precisão de Detecção: Em condições de luz e escuridão, o sistema alcançou erros de posição menores que 0,15 m na direção x, 0,93 m em y e 0,87 m em z. Em condições de fumaça, onde o ground truth não estava disponível, a dispersão das posições detectadas permaneceu consistente com os resultados de luz/escuridão, indicando robustez.
• Desempenho de Desvio: Em 390 lançamentos em experimentos estacionários com diferentes tamanhos de objetos (0,1 m a 0,3 m), o sistema alcançou uma taxa de desvio geral superior a 80% para distâncias maiores que 1 metro. O controlador DR-ACBF acionou o desvio com sucesso a uma distância média ($d_t$) de 2,12 m a 4,03 m, bem além da distância crítica calculada ($d_{crit} \approx 1,02$ m para testes estacionários).
• Experimentos de Voo: Em 20 voos onboard (pairando e voo frontal a 1 m/s), o sistema demonstrou desvio confiável em velocidades de obstáculos superiores a 6 m/s. A latência de computação end-to-end no Pi4B foi de 13,65 ms, satisfazendo os requisitos de tempo real.
• Análise de Falhas: O sistema falhou principalmente quando objetos ultrapequenos e não metálicos (ex: bolas de tênis de 0,1 m) em fumaça foram detectados muito tarde (abaixo de $d_{crit}$) devido ao baixo RCS, ou se picos de CPU aumentaram a latência além da margem de segurança.

Significância e Alegações
O artigo afirma que o RADAR mmWave é uma modalidade de percepção viável para DOA rápido em pequenos UAVs, oferecendo um forte equilíbrio entre robustez (em fumaça e baixa luz), latência e eficiência computacional onboard. Os autores enfatizam que seu sistema alcança detecção e desvio robustos sem depender de aprendizado profundo ou GPUs, tornando-o adequado para implantação em hardware de borda com recursos limitados. Os resultados confirmam que, com o gerenciamento de latência apropriado e estratégias de controle robustas (DR-ACBF), o RADAR pode suportar desvio de obstáculos dinâmicos em alta velocidade, uma capacidade anteriormente dominada por sistemas de visão e LiDAR. O trabalho futuro é notado para se estender a UAVs ego mais rápidos em ambientes externos e desvio de múltiplos objetos.