基于浮栅反相器阵列的昆虫级无人机概率定位
机器人学
2021-05-25 v2 硬件体系结构
图像与视频处理
摘要
我们提出一种新颖的基于存内计算（CIM）的超低功耗框架，用于昆虫级无人机的概率定位。传统的概率定位方法依赖于基于三维（3D）高斯混合模型（GMM）的 3D 地图表示。通常需用数百个混合函数构成的 GMM 模型才能充分学习并表征地图的复杂细节。同时，使用复杂 GMM 地图模型进行定位计算密集。由于昆虫级无人机在极有限的面积/功耗预算下运行，使用 GMM 模型进行连续定位会带来高得多的运行能耗——从而因更大电池而限制无人机的飞行时长和/或尺寸。为以 CIM 方法应对昆虫级无人机定位的计算挑战，我们提出一种使用“类高斯”混合的调和平均（HMGM）模型的 3D 地图表示新框架。可用于无人机定位的似然函数可通过将多个多输入反相器并行连接来高效实现，每个反相器以 HMGM 表示的 3D 地图模型参数进行编程。当深度测量投影至该实现的输入时，反相器的求和电流即模拟了该测量的似然。我们已在 RGB-D 室内定位数据集上对所提方法进行了表征。我们方法的平均定位误差为约 0.1125 m，仅比基于软件的评估（约 0.08 m）略有退化。同时，我们的定位框架超低功耗，在处理一帧深度数据时仅消耗约 17 μW 功率，耗时 1.33 ms，用于粒子滤波（PF）算法中定位无人机的上百个位姿假设。
引用
@article{arxiv.2102.08247,
title = {Probabilistic Localization of Insect-Scale Drones on Floating-Gate Inverter Arrays},
author = {Priyesh Shukla and Ankith Muralidhar and Nick Iliev and Theja Tulabandhula and Sawyer B. Fuller and Amit Ranjan Trivedi},
journal= {arXiv preprint arXiv:2102.08247},
year = {2021}
}
备注
Will submit the revised article.