Source : preprint arXiv:2409.07050v1 [cs.RO], 11 sept. 2024 · pas de DOI dans le PDF · Aix-Marseille Univ/CNRS LIS, OFFROAD, MINES Paris PSL · accès OPEN · PDF InvariantFiltering2024.pdf, sha256 78d841e15a0361ba…, 7 pages Lu le : 2026-11-02. LECTURE COMPLÈTE (texte extrait en entier ; page 6 relue dans le PDF : Fig. 1 et Tab. I). Les preuves détaillées de la théorie des groupes à deux repères sont renvoyées par les auteurs à [6] (Barrau et Bonnabel, IEEE TAC 2022), non lu. Statut summarized. Thème : fusion · filtrage de Kalman invariant, odométrie de roues + GNSS Métadonnées vérifiées dans le PDF : auteurs Paul Chauchat, Axel Barrau, Silvère Bonnabel, année 2024, titre conformes à l’entrée du corpus. Pas de DOI ni de revue (preprint).

Contexte et question

Estimer la pose d’une voiture non holonome (robot à roues) à partir de vitesses de roues, d’un gyromètre à un axe et d’un GNSS dont l’antenne est à un endroit inconnu du véhicule, avec en plus un rayon de roue inconnu. Ajouter ces paramètres à l’état fait normalement perdre les propriétés du filtre de Kalman invariant (IEKF) : jacobiennes indépendantes de l’état, erreur autonome (p. 1). La question : peut-on garder une erreur autonome malgré l’échelle (rayon de roue) et le bras de levier inconnus ?

Méthode

• Trois problèmes emboîtés (§II) : (1) pose seule, GNSS sur le milieu de l’essieu arrière ; (2) ajout du bras de levier antenne X_n ; (3) ajout d’un facteur d’échelle s_n > 0 sur la vitesse (rayon de roue inconnu, pression, glissement). Les deux premiers sont connus, rappelés de façon didactique (§III-IV).
• Cadre des systèmes à deux repères (« two-frame group », TFG) de [6] : loi de groupe (7) et (15), erreur invariante à gauche, sortie compatible (§III).
• Le problème 3 ne rentre pas directement dans le TFG : il faudrait des actions de SO(2) × R>0 incompatibles entre le cas bras de levier seul et le cas échelle seule (§V-B). Les auteurs l’expliquent par la présence de trois repères (deux repères corps en unités différentes, un repère fixe) (§V-E).
• Contribution principale : changement de variable X' = X / s (éq. 22). Le système (23) rentre alors dans le TFG sur (SO(2) × R>0) × R² × R², avec (R,s) ∗ x = sRx. L’erreur réécrite dans les variables d’origine (éq. 26) reste autonome à la propagation et à la mise à jour (Prop. 3 et 4).
• Filtre « TFG-IEKF » : mise à jour par l’exponentielle du groupe ; seul filtre garantissant s > 0 (§VI-A). Comparaison avec l’IEKF « imparfait » (état augmenté en euclidien) et un EKF standard.

Données

Simulation uniquement (§VI-B). Véhicule en cercles à 7°/s puis en ligne droite, vitesse constante 5 m/s. Incréments angulaires et linéaires à 10 Hz, positions GNSS à 1 Hz. Bruits : σ_ω = 0,5°/s, σ_U = 0,1 m/s, σ_y = 1 m. 50 runs Monte Carlo par expérience. Erreur d’attitude initiale gaussienne d’écart type 100° (expérience 1) ou 200° (expérience 2). Pas de données réelles.

Résultats chiffrés

• Critère de convergence : erreur sous l’enveloppe 3σ après 20 s (§VI-B).
• Expérience 2 (σ_att⁰ = 200°), proportion de runs convergents (Tab. I, p. 6) :

• Expérience 1 (σ_att⁰ = 100°, Fig. 1 haut) : IEKF imparfait et TFG-IEKF ont le même comportement asymptotique, le TFG-IEKF gère mieux la première phase circulaire ; l’EKF a du mal à converger, ce qui dégrade son RMSE. Lecture graphique seulement, pas de valeur numérique donnée.
• L’échelle estimée ŝ peut devenir négative, « pour compenser » une erreur de lacet de π (p. 6) ; les auteurs notent que seul le TFG-IEKF garantit s > 0 (§VI-A, p. 6). Le texte ne dit pas quels filtres produisent ces cas.

Limites déclarées par les auteurs

• Le fait que l’erreur reste autonome dans les variables d’origine est qualifié d’« intriguant » ; la généralisation reste ouverte (§VII).
• Le problème 3 n’entre pas dans le TFG tel quel ; la construction repose sur une astuce de variable, que les auteurs justifient physiquement (§V-E).

Ce que ça change pour Teleforge (interprétation, hors de l’article)

• Donne une piste propre pour estimer en ligne l’échelle odométrique et le bras de levier GNSS, deux paramètres que nous traitons aujourd’hui par calibration ou hypothèse.
• Les 98 % contre 14 % sont obtenus avec des erreurs d’attitude initiales de 200°, volontairement extrêmes : le gain est surtout un gain de robustesse à l’initialisation, pas de précision en régime établi.
• Les auteurs ne discutent pas les limites de leur validation (simulation seule).
• Hypothèses à confronter à nos données : gyromètre à un axe (donc pas de dérive de roulis ou tangage), repère plan 2D, odomètre sans biais autre qu’un facteur d’échelle constant ; aucune de ces hypothèses n’est testée sur données réelles.
• Le facteur d’échelle est supposé constant (s_{n+1} = s_n) alors que la pression des pneus varie ; à vérifier si on s’en sert.
• Compatible avec une chaîne qui sépare ce qui vient du boîtier de ce qui est interprété hors boîtier : le filtre ne demande que vitesse de roues, vitesse angulaire et position.