無線を用いた自律システムの自己位置推定とISAC
概要
ロボット，車両，ドローンなどの自律システムが社会に深く組み込まれるにつれて，その信頼性は従来別々に扱われてきた2つの機能に依存しています。自分がどこにいるかを知ること（自己位置推定）と接続を維持すること（通信）です。本研究は，この分離に挑戦します。
Integrated Sensing and Communication（ISAC） という新たなパラダイムは，一つの無線信号がデータを伝送しながら同時に物理環境をセンシングできることを提案します。通信波形とセンシングアルゴリズムを共同設計することで，データ交換のために既に送信されている信号から高品質な位置情報を抽出することが可能になります。追加ハードウェアコストも専用センシング帯域も不要です。
なぜ6GとBeyond 5Gなのか
6G および Beyond 5G への移行は，ISACをとりわけ強力にするいくつかの特性をもたらします。
- ミリ波・サブテラヘルツ帯は極めて高い距離・角度分解能を提供し，センチメートル精度の距離計測を可能にします。
- Massive MIMOアンテナアレイは精密なビームフォーミングを実現し，複数の散乱体からの反射信号の到来方向を同時に分離することを可能にします。
- 超低遅延により，センシングと制御の間の密なリアルタイムフィードバックループが実現します。
- ネットワーク高密度化により，アクセスポイントがロボットの近くに配置され，カバレッジと自己位置推定のための幾何学的多様性が向上します。
これらの特性により，無線インフラ自体が高密度・高分解能のセンサネットワークに変わり，ロボットは専用センシングハードウェアなしに状態推定に活用できます。
研究の方向性
波形と信号処理の共同設計
通信スループットを維持しながら良好なセンシング性能を達成するには，送信信号の慎重な共同設計が必要です。本研究では，通信チャネルの相互情報量とパラメータ推定（距離，ドップラー，角度）に利用可能なフィッシャー情報量のバランスをとる波形最適化フレームワークを開発し，信号コードブック上の制約付き最適化問題として定式化します。
無線-慣性・無線-LiDAR融合
密な6Gインフラからの無線計測であっても，マルチパス，NLOS（非見通し）誤差，幾何学的曖昧性の影響を受けます。慣性計測ユニット（IMU）やLiDAR点群との密な融合により，異なる時間スケールと空間分解能で相補的な情報が得られます。本研究では，不均一なセンサモダリティを統一した確率論的フレームワークに組み込むファクターグラフベースの推定器を設計します。
無線ランドマーク地図を用いたSLAM
一発の位置推定を超えて，本研究では無線ベースの距離・角度計測をSLAMパイプラインに組み込む方法を探求します。アクセスポイントが既知または同時推定される位置を持つ無線ランドマークとして機能し，ロボットが累積オドメトリ誤差を修正しながら無線環境の一貫した地図を構築できるようにします。これは視覚SLAMに類似していますが，照明条件やテクスチャに依存しません。
プロトコルレベルのセンシング統合
ネットワークレベルでは，標準通信プロトコル（例：5G NR）はセンシングを念頭に設計されていません。本研究では，参照信号構造とスケジューリングメカニズムの拡張を提案し，センシングを意識したリソース割り当てを可能にすることで，基地局とユーザ機器がスペクトル効率を犠牲にせずにセンシング計測を協調して行えるようにします。
所属
東北大学 情報科学研究科 Tough Robotics Labにて実施。
