Сенсорні модальності для відносної локалізації кооперативних роїв бпла в середовищах без GNSS

Abstract

Розгортання кооперативних роїв безпілотних літальних апаратів у середовищах без доступу до глобальної навігаційної супутникової системи є однією з ключових проблем сучасних автономних багатоагентних систем. В таких умовах відносна локалізація між агентами має забезпечувати достатню точність і узгодженість за наявності суворих обмежень щодо габаритів, ваги та енергоспоживання, характерних для мікроапаратів. У статті проведено систематичний огляд сенсорних модальностей, що застосовуються для відносної локалізації кооперативних роїв у середовищах без супутникової навігації, з акцентом на їх обчислювальні властивості, спостережуваність та стійкість до впливу факторів навколишнього середовища. У роботі проаналізовано та класифіковано три основні класи сенсорних модальностей: радіочастотні методи визначення відстані на основі надширокосмугового зв’язку, пасивні візуальні методи, включно з візуально-інерційною одометрією та підходами на основі глибокого навчання, а також системи активних оптичних маркерів. Показано, що радіочастотні методи забезпечують низьке обчислювальне навантаження, проте мають фундаментальні обмеження спостережуваності через відсутність кутової інформації. Пасивні візуальні підходи здатні забезпечувати високу точність і глобальну узгодженість, однак вимагають значних обчислювальних ресурсів, що обмежує їх практичне застосування на платформах з жорсткими апаратними обмеженнями. Критичний аналіз свідчить, що системи активних оптичних маркерів у поєднанні з розподіленими методами оптимізації графів стану є практично доцільним компромісом між точністю, обчислювальною ефективністю та стійкістю до деградованих умов. Особливу увагу приділено архітектурам розподіленого оцінювання, які забезпечують масштабованість та узгодженість без централізованої обробки. У висновках окреслено напрями подальших досліджень, спрямованих на створення гібридних фреймворків, здатних динамічно перемикатися між режимами повної оцінки відносної пози та відстеження лише за напрямком у складних середовищах.

The deployment of cooperative swarms of unmanned aerial vehicles in environments without access to global satellite navigation systems represents one of the key challenges in modern autonomous multi-agent systems. Under such conditions, relative localization among agents must provide sufficient accuracy and consistency while operating under strict constraints on size, weight, and power consumption, which are characteristic of mass-produced micro-scale platforms. This paper presents a systematic review of sensor modalities used for relative localization of cooperative swarms in navigation-denied environments, with a particular focus on their computational properties, observability, and robustness to environmental factors. The study analyzes and classifies three principal classes of sensor modalities: radio-frequency distance measurement based on ultra-wideband communication, passive visual methods including visual–inertial odometry and deep learning–based approaches, and systems employing active optical markers. The analysis demonstrates that radio-frequency ranging methods offer low computational cost but suffer from fundamental observability limitations due to the lack of angular information. Passive visual approaches are capable of achieving high accuracy and global consistency; however, they require substantial computational resources, which restricts their practical applicability on platforms with severe hardware constraints. A critical evaluation indicates that active optical marker systems, when combined with distributed state graph optimization methods, constitute a practically viable compromise between localization accuracy, computational efficiency, and robustness under degraded environmental conditions. Particular attention is given to distributed estimation architectures that enable scalability and consistency without centralized processing. The paper concludes by outlining directions for future research aimed at developing hybrid frameworks capable of dynamically switching between full relative pose estimation and direction-only tracking in challenging operational environments.