Per gli ingegneri che progettano droni, robotica e piattaforme di difesa, la questione non è più quanto possa essere preciso il GNSS, ma cosa succede quando fallisce. Sta emergendo una nuova generazione di architetture di navigazione, in cui il rilevamento inerziale, l'assistenza esterna e la fusione dei sensori stanno ridefinendo il vero significato di "localizzazione affidabile".
In questa intervista, Kendra Gallup, direttrice dello sviluppo commerciale per i sistemi inerziali presso MicroStrain by HBK, spiega come gli ingegneri stiano ripensando la localizzazione: dai progetti incentrati sul GNSS alle architetture resilienti basate sulla fusione dei sensori.
Tutti parlano di navigazione senza GNSS: cosa significa in pratica "localizzazione affidabile"?
In sostanza, significa che il sistema continua a comportarsi correttamente, sia fisicamente che matematicamente, anche quando non è possibile fare affidamento sul GNSS. In un ambiente dimostrativo controllato, il GNSS è in genere molto affidabile.
Nella realtà, però, non è così. I canyon urbani creano errori di multipath. Le gallerie bloccano i segnali. Le interferenze a radiofrequenza disturbano la ricezione e gli attacchi di spoofing possono immettere dati di posizione falsi.
Quando si verifica una di queste situazioni, il sistema di navigazione si degrada in modo controllato o collassa. Ciò che determina quale dei due eventi si verifica è la qualità dell'infrastruttura inerziale. Un sistema di navigazione inerziale ben progettato, come il 3DM-CV7-INS, fornisce una propagazione continua del movimento basata su un'accurata calibrazione termica e su un'architettura multi-IMU sincronizzata. Non dipende dai satelliti. Dipende dalla fisica.
I sensori esterni entrano quindi in gioco come input ausiliari. Correggono la deriva, ma non definiscono la stima del movimento. Questa è la differenza fondamentale tra un sistema che si basa sul GNSS e uno che considera l'inerzia come riferimento primario.
Che tipo di sensori esterni utilizzano oggi gli ingegneri?
L'ecosistema si è ampliato considerevolmente. A seconda della piattaforma, è comune trovare odometria visiva e localizzazione e mappatura simultanea (SLAM), odometria e telemetria a rilevamento di luce (LiDAR), encoder per ruote su veicoli terrestri, sensori di altitudine barometrica, magnetometri, sensori di velocità Doppler e, in casi specifici, ricevitori GNSS esterni ad alte prestazioni.
I moderni sistemi di navigazione inerziale, inclusa la piattaforma CV7, sono progettati per accettare input esterni di posizione, velocità e rotta da una qualsiasi di queste fonti.
Ciascuno di essi apporta un contributo specifico. Il LiDAR è geometricamente potente; le telecamere forniscono un'abbondanza di dati sul movimento relativo in ambienti strutturati; gli encoder delle ruote sono eccellenti stabilizzatori a breve termine sui veicoli terrestri; i sensori Doppler migliorano la stima della velocità su terreni accidentati; e i barometri aiutano a consolidare la stima dell'altitudine.
La chiave non sta nello sceglierne uno solo, ma nel combinarli in modo da sfruttare i punti di forza di ciascun sensore. Se fatto correttamente, questo si traduce in una significativa riduzione della deriva e in una maggiore resistenza alle interruzioni del GNSS.
Come vengono integrati questi segnali?
Nella maggior parte delle piattaforme integrate, utilizziamo un'architettura a basso accoppiamento. I sistemi esterni, che si tratti di un motore SLAM basato su LiDAR o di un ricevitore GNSS autonomo, calcolano le proprie soluzioni in modo indipendente. Questi risultati vengono poi inviati al filtro di Kalman inerziale esteso. Il vantaggio di questo approccio è la sua modularità e la relativa facilità di scalabilità.
Ma il vero lavoro di ingegneria consiste nel ponderare le misurazioni, correggere la covarianza ed eseguire controlli di coerenza sull'innovazione. Non tutte le misurazioni sono ugualmente affidabili. Una soluzione LiDAR all'interno di un magazzino ben strutturato è altamente affidabile. In una galleria polverosa, lo stesso sensore potrebbe fornire dati errati. Il motore di fusione deve valutare costantemente quanto peso attribuire a ciascun input in base all'ambiente attuale.
C'è un aspetto che viene spesso sottovalutato: più robusto è il nucleo inerziale, ottenuto tramite un'adeguata calibrazione e riduzione del rumore dell'array di unità di misura inerziale (IMU), più lento sarà l'aumento della deriva di navigazione inerziale tra gli aggiornamenti delle sorgenti ausiliarie. Questo conferisce all'intero sistema un margine di sicurezza maggiore quando le sorgenti ausiliarie diventano inaffidabili. Migliori prestazioni inerziali si traducono direttamente in una maggiore resilienza.
Il tempismo raramente fa notizia. Ma quanto è importante, davvero? È cruciale, ed è costantemente sottovalutato.
Se un veicolo si muove a 15 metri al secondo, anche un errore di sincronizzazione di 1 millisecondo provoca un disallineamento spaziale significativo, soprattutto quando si allineano le nuvole di punti LiDAR con i dati inerziali.
Ecco perché i sistemi inerziali ad alte prestazioni offrono una precisione temporale a livello di microsecondi, sincronizzazione impulso per secondo (PPS), attivazione di eventi tramite input/output generici (GPIO) configurabili e una latenza movimento-messaggio estremamente bassa.
Nelle implementazioni reali, ho constatato che i problemi di sincronizzazione causano un degrado del sistema maggiore rispetto al rumore intrinseco dei sensori. Se i sensori non concordano sul momento in cui si è verificato un evento, la fusione dei dati diventa instabile. Si possono avere sensori eccellenti e ottenere comunque risultati scadenti se la sincronizzazione non è corretta. Non è un dettaglio opzionale.
Cosa succede quando il segnale GNSS inizia a degradarsi?
Un sistema ben progettato non considera la perdita del segnale GNSS come un semplice evento binario on/off. La gestisce attraverso diverse fasi distinte: GNSS disponibile, GNSS degradato, GNSS negato e riacquisizione.
Con il degrado del segnale GNSS, la stima dell'incertezza aumenta. Il filtro attribuisce gradualmente maggiore peso alla propagazione inerziale combinata con qualsiasi altra informazione disponibile, come l'odometria visiva-inerziale (VIO), il LiDAR, gli encoder delle ruote, l'effetto Doppler o i vincoli barometrici.
In caso di totale assenza di segnale, ad esempio in una galleria con interferenze RF, il sistema opera interamente tramite navigazione stimata. La deriva aumenta. Tuttavia, grazie alla buona stabilità del bias e ai bassi livelli di rumore, ottenuti con un'accurata calibrazione termica, questo aumento della deriva è sufficientemente lento da rimanere gestibile in molti profili di missione.
Il problema più complesso è la riacquisizione del segnale. Quando il segnale GNSS ritorna, la correzione deve essere graduale. Qualsiasi salto o riavvio può destabilizzare i circuiti di controllo e interrompere la missione. Questa transizione fluida è altrettanto importante quanto la gestione efficace del rifiuto iniziale del segnale.
E per quanto riguarda nello specifico lo spoofing?
Lo spoofing è particolarmente pericoloso perché il segnale appare valido. Il ricevitore crede di avere una posizione corretta.
La difesa consiste nel controllo di coerenza. Se un aggiornamento GNSS segnala improvvisamente una posizione che non corrisponde a quanto previsto dalla propagazione inerziale e dai vincoli di velocità, il residuo di innovazione supererà i limiti di covarianza previsti. Un motore di fusione robusto, come quello integrato nei sistemi basati su CV7, può sottrarre peso da tale misurazione o rifiutarla completamente.
La continuità inerziale diventa il loro punto di riferimento per la verità. In un ambiente conflittuale, è ciò che protegge la missione dall'introduzione di posizioni false.
Potresti condividere un esempio specifico di implementazione?
Abbiamo lavorato con un UGV operante all'interno di una galleria con interferenze RF. L'architettura combinava un nucleo di navigazione inerziale basato su CV7, encoder per le ruote, LiDAR SLAM e un ricevitore GNSS multibanda affidabile per il funzionamento all'aperto.
Quando il veicolo è entrato nella galleria, la covarianza GNSS è aumentata fino a scomparire completamente. Il sistema è passato automaticamente a una fusione di dati inerziali, LiDAR ed encoder, senza alcun intervento da parte del sistema. La deriva è rimasta sotto controllo in ogni momento. In prossimità dell'uscita della galleria, si sono verificati tentativi intermittenti di spoofing che hanno generato aggiornamenti GNSS incoerenti. Il motore di fusione li ha automaticamente eliminati.
Quando il veicolo è tornato all'aria aperta e il segnale GNSS è stato chiaramente riacquisito, la reintegrazione è stata impeccabile. Nessun riavvio, nessuna interruzione nella stima della posizione. Questo è il comportamento necessario in un'implementazione reale. Il veicolo non ha mai perso la sua posizione.
Come riassumeresti il valore dell'aggiunta di assistenza esterna?
L'assistenza esterna non consiste nell'accumulare sensori. Consiste nel fornire al sistema di navigazione più strumenti per mantenere la precisione quando una singola fonte diventa inaffidabile.
Un'architettura di navigazione basata su calibrazione termica di precisione, riduzione del rumore con IMU multiple, sincronizzazione temporale accurata e immissione flessibile di dati esterni di posizione, velocità e direzione fornisce ai produttori di apparecchiature originali (OEM) gli strumenti per ridurre significativamente la deriva, estendere il raggio operativo in condizioni non GNSS, proteggere dalle frodi e mantenere stime di posizione precise per tutta la durata della missione.
