A Field-Deployable GNSS-based Navigation Stack for Outdoor Mobile Robots

📄 arXiv: 2609.28933v1 📥 PDF

作者: Yiyuan Lin, Cole Regnier, Yu Jiang

分类: cs.RO, eess.SY

发布日期: 2026-09-24

🔗 代码/项目: GITHUB

💡 一句话要点

提出基于GNSS的导航系统以解决户外移动机器人导航问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱七：动作重定向 (Motion Retargeting)

关键词: GNSS导航 移动机器人 ROS2 控制策略 户外应用 开源软件 精确定位

📋 核心要点

  1. 现有的户外机器人导航系统在处理无效或过时状态信息时存在挑战，难以保持几何一致性。
  2. 本文提出了一种基于ROS~2的导航栈，支持单GNSS-IMU和双天线GNSS定位，提供统一的状态接口和多种控制策略。
  3. 实验结果表明，行混合模式在不同控制器-定位组合中表现优异，最低平均绝对横向误差为0.00846米。

📝 摘要（中文）

户外机器人不仅需要准确的接收器和路径跟踪法，还必须保持从地理航点到执行器命令的几何一致性，暴露测量有效性和时效性，并对无效或过时的状态信息作出响应。本文提出了一个ROS~2导航栈，具有可互换的单GNSS-IMU和双天线GNSS定位前端，提供了一个通用的本地东-北-上状态接口，支持多种控制策略。通过在2025和2026年进行的独立实地测试，评估了800次运行的效果，结果显示行混合模式在评估数据集中具有最低的平均绝对横向误差（MAE）。

🔬 方法详解

问题定义：本文旨在解决户外移动机器人导航系统在处理无效或过时状态信息时的几何一致性问题。现有方法往往无法有效应对这些挑战，导致导航精度下降。

核心思路：论文提出的解决方案是构建一个基于ROS~2的导航栈，能够灵活切换单GNSS-IMU和双天线GNSS定位前端，从而提供一致的状态接口和多种控制策略，增强系统的鲁棒性。

技术框架：整体架构包括多个模块，如坐标约定、数据初始化、异步状态构建、航点几何、控制器方程、质量门、命令仲裁和看门狗行为。通过这些模块的协同工作，确保了导航系统的高效性和可靠性。

关键创新：最重要的技术创新在于提供了一个统一的本地状态接口，支持多种控制策略，并且在不同的定位前端之间实现了无缝切换。这种设计使得系统能够在多种环境下保持高精度导航。

关键设计：在设计中，关键参数包括控制器的选择和配置、质量门的设置，以及状态信息的异步构建方式。这些设计细节确保了系统在实际应用中的稳定性和精确性。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果显示，行混合模式在评估数据集中实现了最低的平均绝对横向误差（MAE），单GNSS+IMU的MAE为0.00952米，而双GNSS的MAE为0.00846米，展现了显著的性能提升。

🎯 应用场景

该研究的潜在应用领域包括农业、物流和户外探测等场景，能够为移动机器人提供高精度导航解决方案。其开源软件和部署说明使得其他研究者和工程师能够快速应用和扩展该技术，推动相关领域的发展。

📄 摘要（原文）

Outdoor robots require more than an accurate receiver and a path-tracking law: the navigation system must preserve geometric consistency from geographic waypoints to actuator commands, expose measurement validity and timing, and respond to invalid or stale state information. This work presents a ROS~2 navigation stack with interchangeable single-GNSS--IMU and dual-antenna-GNSS localization front ends. Both provide a common local East--North--Up state interface for pure pursuit, virtual-point cross-track PID, finite-horizon nonlinear model predictive control (NMPC), and a segment-dependent hybrid dispatcher. The architecture specifies coordinate conventions, datum initialization, asynchronous state construction, waypoint geometry, controller equations, quality gates, command arbitration, and watchdog behavior. Independent physical field runs collected during 2025 and 2026 grape-vineyard deployments support a balanced evaluation of 800 runs, with 100 runs for each of eight controller--localization combinations on an approximately 199.6-m route. The row-hybrid mode yields the lowest run-averaged post-acquisition mean absolute cross-track error (MAE) in the evaluated dataset: 0.00952~m with single GNSS+IMU and 0.00846~m with dual GNSS. These findings characterize deviations of the recorded positions from the reference route under the evaluated conditions. The open-source navigation software and deployment instructions are available in the https://github.com/YiyuanLinXX/PPBv2/tree/main/PPBv2_Navigation.