LoCal-RIO: Radar-Inertial Odometry with Loop-Closure IMU Bias Calibration

从送货机器人到自动驾驶汽车，自主机器人依赖于一种持续的、内在的对自身位置和运动状态的感知。在晴朗明亮的条件下，摄像头和激光扫描仪在这项任务中表现出色，能够描绘出世界的详细图像来引导机器。然而，当空气中充满雾气、尘埃或烟雾，或者光照不足时，这些光学传感器往往会“失明”。为了在这些困难环境中导航，工程师们转向了毫米波雷达。与光不同，雷达波可以穿透视觉障碍，通过反射墙壁和物体来提供周围环境的粗略地图。然而，雷达也有其自身的重大盲点：虽然它非常擅长测量机器人相对于物体的移动速度，但在判断机器人的朝向方面却显得力不从心。由于缺乏可靠的方向感，机器人可能会偏离航线，逐渐积累误差，最终导致它认为自己所处的位置与实际位置完全不符。

斯科科尔科夫科技学院（Skolkovo Institute of Science and Technology）的一个研究小组开发了一种名为 LoCal-RIO 的新系统来解决这一特定问题。他们的工作重点是将雷达数据与来自惯性测量单元（IMU）的测量数据进行融合，IMU 是一个包含加速度计和陀螺仪的小型传感器包，用于追踪运动。他们解决的核心挑战在于，标准的方法在处理长距离任务时往往会失效，因为雷达无法纠正陀螺仪的漂移倾向。研究人员发现，通过将机器人的即时运动追踪与长期地图构建分离，并采用一种巧妙的方法——仅在机器人完成一个完整闭环时才修复传感器的内部误差，他们就能让机器人在即使是像地下车库和多层图书馆这样大型且复杂的室内空间中，也能保持高精度的航向。

该系统在两个相互协作的层级上运行，就像一名飞行员和一名领航员。第一个层级是导航图（navigation graph），它持续且快速地运行，将雷达的速度测量值与 IMU 的运动数据进行融合，从而产生一条平滑的、实时的机器人路径。这部分系统旨在实现快速响应，确保机器人能立即对环境做出反应。然而，由于雷达无法完美确定机器人的航向，这个快速追踪层不可避免地会随时间积累微小误差，导致机器人的内部地图逐渐偏离现实。第二个层级是建图图（mapping graph），它在后台运行。它在关键时刻捕捉机器人位置的快照，并构建环境的全局地图。这一层级的速度较慢但更彻底，能够识别机器人何时回到了曾经到过的地方。

LoCal-RIO 的突破在于这两个层级是如何进行通信的。在许多之前的系统中，当后台建图模块意识到机器人发生了漂移时，它会简单地将机器人的位置“拉回”到地图上的正确位置。虽然这修复了地图，但却造成了机器人内部位置感的一次突然且剧烈的跳变，这可能会干扰试图控制车辆的控制系统。研究人员意识到，漂移的真正根源不在于机器人的位置，而在于陀螺仪读数中一个微小且持续存在的误差。与其强行让机器人的位置发生跳变，他们的系统利用“闭环检测”（loop closure）——即机器人识别出自己回到了之前去过的地方——这一时刻，来精确计算陀螺仪到底“撒了多少谎”。随后，系统会悄悄调整传感器的内部偏差，在不干扰机器人当前位置或速度的情况下，从根源上纠正漂移。这使得机器人在移动过程中能保持平稳，同时其内部指南针也变得越来越准确。

为了实现这一点，团队必须克服雷达数据的杂乱特性，因为雷达数据通常充满了虚假回波和噪声。他们开发了一种过滤技术，优先处理来自坚实物体的强且清晰的反射信号，同时忽略那些在多个表面间多次反射的微弱且令人困惑的信号。这确保了构建出的地图既清晰又可靠。此外，系统在接受任何修正之前都会进行严格的安全检查。它不会立即信任单次的闭环检测；相反，它会等待机器人完成数次更多的闭环，并确认新路径与旧路径一致。只有在那之后，它才会应用对传感器偏差的修正，从而确保机器人不会从错误中“学习”。

研究人员在多种具有挑战性的现实环境中测试了他们的系统，包括大型地下车库、带有木质书架的图书馆以及拥有复杂曲线走廊的校园建筑。在这些测试中，该系统成功绘制了数千米的行驶路径，在其他基于雷达的系统可能失效的情况下，依然保持了高度的准确性。在一个总闭环距离超过 2,200 米的具体测试中，系统使机器人的路径与建筑物的真实几何结构保持一致，证明了它能够处理通常会让机器人感到困惑的重复模式和低反射率表面。结果表明，通过专注于校准传感器的内部误差而非仅仅是修复地图，机器人可以实现与更昂贵且脆弱的激光类系统相媲美的导航精度，同时具备在多雾、多尘和黑暗环境下运行所需的鲁棒性。

这种方法代表了使自主机器人真正可靠迈出的重要一步。通过将传感器的漂移视为一种可纠正的误差而非不可避免的缺陷，并确保修正过程平稳且安全，LoCal-RIO 为机器人如何在最困难的条件下探索和作业提供了路径。该系统证明，只要拥有正确的数学框架，雷达的局限性可以转化为优势，让机器人在周围世界被遮蔽时依然能清晰地“看清”前路。