Les approches d’intégration GNSS/INS constituent la base des systèmes de navigation modernes.
Le projet RS3 (RoadSimulator3) vise à reproduire ces comportements de manière ouverte et reproductible, en simulant des trajectoires de véhicules à haute fréquence (10 Hz) intégrant bruit, inertie et logique de mouvement.
Ce papier s’appuie également sur les travaux de Zhang (2020) pour articuler une approche intégrant isolation de fautes et filtrage adaptatif dans les chaînes GNSS/INS.
Cette démarche s’inscrit dans la continuité des efforts pour relier la théorie de la fusion multi-capteurs à des environnements de test ouverts, garantissant la reproductibilité scientifique et la comparabilité inter-algorithmes.

2️⃣ Contexte théorique : GNSS/INS et intégration Kalman

La navigation autonome repose sur la combinaison de deux systèmes complémentaires :

• GNSS (Global Navigation Satellite System) : précis mais sensible à l’environnement ;
• INS (Inertial Navigation System) : autonome mais sujet à la dérive.

Selon Liu et al. (2023), les schémas de couplage entre GNSS et INS se répartissent en trois catégories :

• Loosely Coupled (LC) : fusion des sorties GNSS et INS dans un filtre de Kalman classique.
• Tightly Coupled (TC) : intégration des mesures brutes GNSS (pseudoranges, Doppler).
• Deeply Coupled (DC) : fusion au niveau des boucles matérielles GNSS, combinant signaux RF et inertiels.

Ces architectures constituent la base théorique sur laquelle repose RS3, qui vise à modéliser et tester chacune de ces topologies en environnement synthétique.

3️⃣ Méthodologie RS3 : Reprojection Dynamique

L’approche RS3 introduit la notion de reprojection dynamique :

• Chaque trajectoire simulée est générée à partir d’un profil physique paramétré (vitesse, accélération, rayon de courbure).
• Les signaux GNSS simulés sont ensuite recalculés à partir de la pose inertielle “véritable” afin de produire des observations cohérentes.
  Cette reprojection repose sur une équation de rotation-translation paramétrée sur les axes ECEF (Earth-Centered, Earth-Fixed), assurant la cohérence entre la position simulée et la dynamique inertielle. L’objectif est de reproduire les incertitudes mesurées en conditions réelles tout en contrôlant les paramètres physiques.
• Le bruit inertiel (accéléromètres et gyroscopes) est injecté à partir de modèles de dérive réels (variance Allan, biais dynamiques).

Étapes principales :

1. Génération du profil cinématique à 10 Hz (fichier .rs3.json).
2. Simulation inertielle et topographique (altitude, relief).
3. Reprojection dynamique GNSS et export pivot Telemachus.
4. Validation des écarts entre vérité terrain et trajectoire simulée.

Cette méthodologie permet de valider la robustesse des filtres de fusion avant déploiement réel.

Validation expérimentale

Pour évaluer la robustesse de la reprojection, plusieurs séries de tests ont été menées :

• comparaison entre trajectoires simulées et mesures réelles (jeux de données GNSS/IMU open-source) ;
• mesure de l’erreur RMS sur position et orientation après fusion Kalman ;
• analyse de la dérive cumulative en conditions de perte GNSS simulée.

Les résultats préliminaires montrent une cohérence métrique inférieure à 2 m RMS sur 60 s de perte GNSS, démontrant la validité du modèle de reprojection dynamique.

4️⃣ Liens avec la littérature et contributions

Zhang et al. (2020)

Introduit un cadre d’isolation de fautes inertielle et GNSS (AFISR) combinant filtrage adaptatif et détection de défaillances dans les systèmes de navigation intégrés.
Ce travail constitue désormais la référence principale du papier P001 pour :

• comparer Fault Isolation (FI) vs Fault Accommodation (FA),
• motiver l’intégration d’un schéma de filtrage adaptatif dans RS3 afin d’améliorer la robustesse aux dérives IMU, pertes GNSS, et anomalies de capteurs,
• renforcer l’argumentaire méthodologique autour de la résilience des systèmes de fusion.

Dans notre cadre RS3, la reprojection dynamique permet de générer des scénarios synthétiques ciblés (pertes GNSS, glissements inertiels, biais accelerométriques), essentiels pour évaluer les limites du modèle AFISR.

Liu et al. (2023)

Apporte le cadre théorique de l’intégration GNSS/INS et du filtrage Kalman, dont RS3 implémente les variantes LC/TC/DC en simulation.

Han et al. (2024)

Fournit les techniques de simulation inertielle multi-capteurs utilisées comme socle pour la génération RS3.

Huang et al. (2019)

Présente la reconstruction de trajectoires sous contraintes dynamiques ; RS3 s’en inspire pour modéliser le lien entre courbure, vitesse et yaw-rate.

Zhao et al. (2020)

Étudie la robustesse des systèmes GNSS dans des environnements urbains denses, contexte direct pour la validation RS3.

5️⃣ Applications et extensions

• Validation de pipelines de fusion (EKF, UKF, FGO, MMKF).
• Tests de perte GNSS simulée pour les environnements urbains.
• Génération de datasets ouverts Telemachus (format pivot).
• Étude de la propagation des erreurs inertielle et géométrique.

Cette approche s’intègre dans le cadre plus large de Telemachus, qui vise à formaliser un standard ouvert de données mobilité.

6️⃣ Conclusion

La reprojection dynamique proposée par RS3 permet de relier directement la théorie de la fusion GNSS/INS (Liu 2023) à une simulation reproductible et ouverte.
Ce cadre expérimental facilite la validation d’algorithmes, la comparaison de filtres, et la diffusion de jeux de données en science ouverte.
RS3 et Telemachus posent les bases d’un cadre expérimental reproductible, permettant de passer de la simulation à la normalisation scientifique de la donnée de mobilité.