L’expression IMUSim simulation inertielle GNSS/IMU désigne un environnement de simulation open-source. Il permet de comprendre la fusion capteurs et de valider les algorithmes RS3 et Telemachus. Ainsi, il constitue un outil clé dans ce domaine.

Pour valider un algorithme de fusion GNSS/IMU, il faut d’abord disposer de signaux réalistes.
En effet, c’est précisément le rôle d’IMUSim, un environnement de simulation open-source. Il permet de générer des mesures d’accéléromètres et de gyroscopes virtuels.
De plus, c’est une brique essentielle pour comprendre les fondations physiques et statistiques de la fusion inertielle. Elle est utile avant d’aller vers les approches hybrides (MMKF, DVSE) utilisées dans RS3 et Telemachus.

Voir le projet IMUSim sur GitHub

1. IMUSim et la simulation inertielle GNSS/IMU

Développé par Young et al. (2011), IMUSim est un simulateur Python conçu pour la recherche et l’enseignement en traitement de signaux inertiels.
Il permet de :

• modéliser la cinématique d’un objet en 3D (trajectoires, vitesses angulaires) ;
• générer les lectures correspondantes d’un capteur IMU (accéléromètres, gyroscopes, magnétomètres) ;
• injecter des modèles de bruit réalistes, décrits par bruit blanc gaussien, biais constant, sensibilité croisée et quantification (CAN) ;
• tester des filtres de Kalman ou des algorithmes d’estimation d’attitude (AHRS).

L’objectif est d’offrir une base cohérente et reproductible pour expérimenter. Ainsi, on peut travailler sans dépendre du matériel physique.

2. Architecture et fonctionnement

IMUSim repose sur une approche orientée simulation. Ainsi, il comprend plusieurs modules :

• un module cinématique gère la dynamique de mouvement (position, vitesse, rotation) ;
• un module de capteur applique un modèle d’erreur IMU, comprenant biais constant, sensibilité croisée, bruit blanc et quantification (la dérive de biais n’est pas modélisée) ;
• un moteur de génération temporelle produit des signaux échantillonnés à fréquence configurable (jusqu’à plusieurs centaines de Hz).

Le modèle de capteur d’IMUSim repose sur une fonction de transfert issue des fiches techniques, une sensibilité croisée, un bruit blanc gaussien et une quantification.
À titre de simplification propre à ce billet (et non le modèle d’IMUSim), le bruit peut s’écrire :
(\omega_m = \omega_t + b + \eta),
où (\omega_m) est la mesure, (b) le biais lentement variable, et (\eta) le bruit blanc gaussien.

Les sorties sont exportables sous forme de fichiers CSV ou Python. En somme, elles sont prêtes à être intégrées dans d’autres environnements (MATLAB, ROS, RS3).

3. Liens avec RS3 et Telemachus

Dans le cadre de RS3 (RoadSimulator3), IMUSim constitue une référence historique. En effet, il a inspiré la logique de simulation inertielle (génération des signaux à 10 Hz, bruit inertiel, topographie).

Les principes d’IMUSim se retrouvent dans plusieurs aspects :

• la chaîne RS3 → Telemachus, où les signaux IMU simulés sont convertis au format pivot ;
• le pipeline de validation Telemachus (RFC-0007, RFC-0009) pour tester les algorithmes de fusion GNSS/IMU ;
• les études sur les erreurs stochastiques et la reproductibilité (C4 VAE).

IMUSim reste un outil de référence pour l’enseignement et la recherche. Il illustre la propagation des erreurs inertiales et leur correction par filtrage. De plus, il s’intègre naturellement dans les workflows modernes RS3 et Telemachus.

Lire aussi : RS3, simulateur inertiel 10 Hz

4. Pourquoi c’est encore pertinent ?

Même si de nouveaux frameworks (DVSE, MMKF) utilisent l’apprentissage profond, la simulation inertielle reste indispensable.
Elle sert à générer des cas extrêmes de mouvement (accélération, virages serrés, vibrations).
De plus, elle permet de valider des algorithmes en conditions contrôlées.
Par ailleurs, elle aide à quantifier la dérive et à calibrer les modèles de bruit.

Les travaux récents de Boguspayev et al. (2023) et de Mafi et al. (2025) portent sur la fusion GNSS/IMU appliquée aux véhicules.

5. En résumé

IMUSim reste un pilier conceptuel dans la recherche en fusion inertielle.
Il est simple, open-source et rigoureusement documenté.
De plus, il est parfait pour comprendre la propagation des erreurs IMU.
C’est un lien direct entre physique, mathématiques et simulation numérique.

IMUSim est plus qu’un simulateur. En effet, c’est la base conceptuelle de la recherche en fusion inertielle. Il lie physique, mathématiques et simulation numérique.
Son héritage perdure dans RS3 et Telemachus. Ces derniers poursuivent cette mission de validation ouverte et reproductible.

En conclusion, IMUSim simulation inertielle GNSS/IMU reste un pilier de la recherche moderne sur la fusion inertielle.

✳️ Références :

• Young, A. D., Ling, M. J., Arvind, D. K. (2011) — IMUSim: A Simulation Environment for Inertial Sensing Algorithm Design and Evaluation, IPSN’11.
• Boguspayev, N. et al. (2023) — A Comprehensive Review of GNSS/INS Integration Techniques for Land and Air Vehicle Applications, Applied Sciences 13(8), 4819.
• Mafi, F. et al. (2025) — Bridging Data-Driven and Physics-Based Models: A Consensus Multi-Model Kalman Filter for Robust Vehicle State Estimation, arXiv:2506.12862 (preprint).