Para los ingenieros que diseñan drones, robótica y plataformas de defensa, la cuestión ya no es cuán preciso puede ser el GNSS, sino qué ocurre cuando falla. Está surgiendo una nueva generación de arquitecturas de navegación, en la que la detección inercial, la ayuda externa y la fusión de sensores redefinen lo que realmente significa la «localización fiable».
En esta entrevista, Kendra Gallup, directora de desarrollo empresarial de sistemas inerciales en MicroStrain by HBK, comparte cómo los ingenieros están replanteándose la localización: desde diseños centrados en el GNSS hasta arquitecturas resilientes impulsadas por la fusión de sensores.
Todo el mundo habla de la navegación sin GNSS: ¿qué significa «localización fiable» en la práctica?
En esencia, significa que tu sistema sigue comportándose correctamente, tanto física como matemáticamente, incluso cuando no puedes confiar en el GNSS. En un entorno de demostración controlado, el GNSS suele ser muy fiable.
En el mundo real, no lo es. Los cañones urbanos crean errores de trayectos múltiples. Los túneles bloquean las señales. Las interferencias de RF interrumpen la recepción, y los ataques de suplantación de identidad pueden inyectar datos de posición falsos.
Cuando ocurre cualquiera de estas cosas, su pila de navegación o bien se degrada de forma controlada, o bien se desmorona. Lo que determina cuál de las dos cosas ocurre es la calidad de su columna vertebral inercial. Un sistema de navegación inercial bien diseñado, como el 3DM-CV7-INS, le ofrece una propagación de movimiento continua basada en una cuidadosa calibración térmica y una arquitectura sincronizada de múltiples IMU. No depende de los satélites. Depende de la física.
Los sensores externos entran entonces en juego como entradas auxiliares. Corrigen la deriva, pero no definen la estimación del movimiento. Esa es la diferencia fundamental entre un sistema que depende del GNSS y uno que trata la inercia como referencia principal.
¿Qué tipos de sensores externos utilizan los ingenieros hoy en día?
El ecosistema ha crecido bastante. Dependiendo de la plataforma, es habitual encontrar odometría visual y localización y cartografía simultáneas (SLAM), odometría de detección y telemetría de luz (LiDAR), encoders de rueda en vehículos terrestres, sensores de altitud barométricos, magnetómetros, sensores de velocidad Doppler y receptores GNSS externos de alto rendimiento utilizados de forma selectiva.
Los sistemas modernos de navegación inercial, incluida la plataforma CV7, están diseñados para aceptar entradas externas de posición, velocidad y rumbo procedentes de cualquiera de estas fuentes.
Cada una aporta algo específico. El LiDAR es geométricamente potente; las cámaras proporcionan abundantes datos de movimiento relativo en entornos estructurados; los codificadores de rueda son excelentes estabilizadores a corto plazo en vehículos terrestres; los sensores Doppler mejoran la estimación de la velocidad sobre el terreno, y los barómetros ayudan a afianzar la estimación de la altitud.
La clave no está en elegir uno de ellos. Está en fusionarlos de manera que se aprovechen los puntos fuertes de cada sensor. Cuando se hace bien, se consigue una reducción significativa de la deriva y una resistencia mucho mayor ante las interrupciones del GNSS.
¿Cómo se integran estas señales?
En la mayoría de las plataformas integradas, utilizamos una arquitectura de acoplamiento flexible. Los sistemas externos, ya sea un motor LiDAR SLAM o un receptor GNSS autónomo, calculan sus propias soluciones de forma independiente. Esas salidas se introducen luego en el filtro de Kalman extendido inercial. La ventaja de este enfoque es que es modular y relativamente fácil de ampliar.
Pero el verdadero trabajo de ingeniería reside en la ponderación de las mediciones, el ajuste de la covarianza y las comprobaciones de coherencia de la innovación. No todas las mediciones son igualmente fiables. Una solución LiDAR dentro de un almacén bien estructurado es muy fiable. En un túnel polvoriento, ese mismo sensor podría estar dando datos erróneos. El motor de fusión debe evaluar constantemente qué peso otorgar a cada entrada en función del entorno actual.
Hay algo que a menudo se subestima: cuanto más sólido sea el núcleo inercial —lo cual se consigue mediante una buena calibración y la reducción del ruido de la matriz de la unidad de medición inercial (IMU)—, más lentamente aumentará la deriva de la navegación por estima entre las actualizaciones de las fuentes auxiliares. Esto da a todo el sistema más margen de maniobra cuando las fuentes auxiliares dejan de ser fiables. Un mejor rendimiento inercial se traduce directamente en una mayor resiliencia.
La sincronización rara vez acapara titulares. ¿Qué importancia tiene realmente la sincronización? Es fundamental, y se subestima constantemente.
Si un vehículo se desplaza a 15 metros por segundo, incluso un error de sincronización de 1 milisegundo se traduce en una desalineación espacial significativa, especialmente cuando se alinean nubes de puntos LiDAR con datos inerciales.
Por eso los sistemas inerciales de alto rendimiento proporcionan una precisión de marca de tiempo a nivel de microsegundos, sincronización de pulso por segundo (PPS), activación de eventos de entrada/salida de propósito general (GPIO) configurable y una latencia de movimiento a mensaje extremadamente baja.
En implementaciones reales, he visto que los problemas de sincronización causan más degradación del sistema que el ruido bruto de los sensores. Si tus sensores no se ponen de acuerdo sobre cuándo ocurrió algo, la fusión se vuelve inestable. Puedes tener sensores excelentes y seguir obteniendo malos resultados si la sincronización no es correcta. No es un detalle opcional.
¿Qué ocurre cuando el GNSS empieza a degradarse?
Un sistema bien construido no trata la pérdida de GNSS como un evento binario de encendido/apagado. La gestiona a través de varias fases distintas: GNSS disponible, GNSS degradado, GNSS denegado y readquisición.
Cuando el GNSS empieza a degradarse, aumenta la estimación de la incertidumbre. El filtro va dando gradualmente más peso a la propagación inercial combinada con cualquier otra información disponible, ya sea odometría visual-inercial (VIO), LiDAR, encoders de rueda, Doppler o restricciones barométricas.
En caso de denegación total, como en un túnel con interferencias de RF, el sistema funciona íntegramente por navegación estimada. La deriva sí aumenta. Pero con una buena estabilidad del sesgo y un bajo nivel de ruido gracias a una calibración térmica exhaustiva, ese aumento de la deriva es lo suficientemente lento como para seguir siendo manejable en muchos perfiles de misión.
El problema más complicado es la readquisición. Cuando vuelve el GNSS, la corrección tiene que ser suave. Cualquier salto o reinicio puede desestabilizar los bucles de control e interrumpir la misión. Esa transición suave es tan importante como gestionar con elegancia la denegación inicial.
¿Y qué hay del spoofing en concreto?
El spoofing es especialmente peligroso porque la señal parece válida. El receptor cree que tiene una buena posición.
La defensa es la comprobación de la coherencia. Si una actualización del GNSS informa de repente de una posición que no concuerda con lo que predicen la propagación inercial y las restricciones de velocidad, el residuo de innovación superará los límites de covarianza esperados. Un motor de fusión robusto, como el integrado en los sistemas basados en CV7, puede restar peso o rechazar por completo esa medición.
La continuidad inercial se convierte en su referencia de la verdad. En un entorno conflictivo, eso es lo que protege la misión de la inyección de posiciones falsas.
¿Puede compartir un ejemplo concreto de implementación?
Trabajamos con un UGV que operaba dentro de un túnel con interferencias de RF. La arquitectura combinaba un núcleo de navegación inercial basado en CV7, codificadores de rueda, LiDAR SLAM y un receptor GNSS multibanda de confianza para el funcionamiento a cielo abierto.
Cuando el vehículo entró en el túnel, la covarianza del GNSS aumentó y, finalmente, se perdió por completo. El sistema pasó a una fusión de datos inerciales, LiDAR y codificadores sin ninguna intervención. La deriva se mantuvo controlada en todo momento. Cerca de la salida del túnel, hubo intentos intermitentes de spoofing que generaban actualizaciones inconsistentes del GNSS. El motor de fusión les restó peso automáticamente.
Cuando el vehículo volvió a salir a cielo abierto y el GNSS se readquirió con claridad, la reintegración fue fluida. Sin reinicio, sin discontinuidad en la estimación de la posición. Ese es el comportamiento que se necesita en una implementación real. El vehículo nunca perdió la localización.
¿Cómo resumiría el valor de la inyección de ayuda externa?
La ayuda externa no consiste en acumular sensores. Se trata de proporcionar a su sistema de navegación más formas de mantener la precisión cuando una sola fuente deja de ser fiable.
Una arquitectura de navegación basada en la calibración térmica de precisión, la reducción de ruido con múltiples IMU, la sincronización horaria precisa y la inyección flexible de datos externos de posición, velocidad y rumbo proporciona a los fabricantes de equipos originales (OEM) las herramientas para reducir significativamente la deriva, ampliar su ámbito operativo en condiciones sin GNSS, protegerse contra el spoofing y mantener estimaciones de posición fluidas a lo largo de toda una misión.
