IMU(Inertial Measurement Unit、慣性計測装置)は、加速度計(アクセロメータ)とジャイロスコープ(角速度計)を組み合わせ、機体自身の並進加速度・回転角速度を直接計測するセンサーである。カメラ・LiDAR・GNSSのように外部の光・電波・目印を参照する「外界センサー」と異なり、IMUは完全に自己完結した「内界センサー」であり、トンネル内やGNSSが届かない屋内など、外部情報が一切得られない環境でも姿勢・移動量を推定し続けられるのが最大の強みである。自動運転車の姿勢推定、ドローンの飛行制御、ロボットのSLAM(自己位置推定+地図構築)における慣性オドメトリなど、ほぼ全ての自律移動体で使われている基幹センサーであり、同時にスマートフォンの画面回転検知からゲームコントローラーのモーション操作まで、民生機器にも数十億個単位で組み込まれている。

Xsens MTi-GモジュールXsens MTi-G(GNSS/INS統合モデル)
InvenSense MPU-6050を搭載したGY-521モジュールInvenSense MPU-6050(GY-521ブレイクアウトボード)

画像: Xsens MTi-G(Kallap85, CC BY-SA 4.0)/ GY-521 MPU-6050モジュール(Nevit Dilmen, CC BY-SA 3.0)、Wikimedia Commons。MPU-6050は本文で後述する民生グレードIMUチップの代表例。

原理: 積分による推定とドリフトという宿命

IMUは加速度・角速度という「変化量」しか直接測れないため、位置や姿勢を求めるにはこれを時間積分する必要がある。角速度 \omega(t) を積分すれば姿勢角 \theta(t) が、加速度 a(t) を二重積分すれば位置 p(t) が得られる。

\theta(t) = \theta_0 + \int_0^t \omega(\tau)\, d\tau, \qquad p(t) = p_0 + v_0 t + \int_0^t \int_0^\tau a(s)\, ds\, d\tau

問題は、センサーが出力する角速度・加速度には必ず一定のバイアス誤差 b とランダムノイズが含まれる点にある。バイアスが一定値 b として残る場合、角度誤差は時間 t に比例して線形に増加するが、加速度のバイアスは二重積分されるため、位置誤差は t の2乗に比例して増加する。

\Delta\theta(t) \approx b_\omega \cdot t, \qquad \Delta p(t) \approx \frac{1}{2} b_a \cdot t^2

これが「ドリフト」の正体であり、GNSSやカメラなど外部の絶対的な基準を持つセンサーと組み合わせて定期的に誤差を補正しない限り、IMU単独では長時間の高精度な自己位置推定は成立しない理由もここにある。このためIMUは単独で使われることは少なく、GNSS/INS統合や視覚オドメトリとのセンサーフュージョン(拡張カルマンフィルタ等によるIMU予測+外界センサー補正)が前提になる。

MEMSジャイロスコープの原理: 音叉とコリオリ力

現在の量産IMUのほぼ全てはMEMS(微小電気機械システム)方式である。MEMSジャイロスコープの代表的な構造は「音叉型振動ジャイロ」で、シリコン基板上に作られた微小な質量(プルーフマス)を、駆動用電極で一定の周波数・振幅で振動させておく。この状態でセンサー自体が回転すると、振動方向と回転軸の両方に直交する方向にコリオリ力が働き、プルーフマスが振動方向と直交する軸にわずかに変位する。この変位を検出用電極が静電容量の変化として捉えることで、角速度を電気信号に変換する。加速度計も原理は同様で、外力によるプルーフマスの微小な変位を静電容量変化として検出する。回転する機械部品を持つ従来型の機械式ジャイロと違い、可動部が振動するだけのMEMS方式は、量産による低コスト化と小型化に非常に向いている。

MEMSジャイロスコープの模式図

画像: MEMSジャイロスコープの模式図(David Vlachý, CC BY-SA 3.0 / GFDL)、Wikimedia Commons。振動する質量に回転が加わるとコリオリ力で直交方向に変位が生じる、という音叉型MEMSジャイロの基本構造を示す。

ノイズ特性の評価: Allan分散

IMUのノイズは単一の数値では表せず、時間スケールによって性質が異なる複数の誤差要因が混在する。短時間では量子化ノイズ(Quantization Noise)が支配的、中時間スケールでは角度ランダムウォーク(Angle Random Walk, ARW)、長時間ではバイアス不安定性(Bias Instability)とレートランダムウォーク(Rate Random Walk, RRW)が支配的になる。これらを分離して評価する標準的な手法がAllan分散(Allan Variance)解析で、IEEE-STD-952-1997で規格化されている。Allan分散曲線の谷(最小値)が「バイアス安定性(in-run bias stability)」で、製品データシートに載る最重要スペックの一つである。

IMUのグレード分類: 民生用から戦略級まで

IMUは用途によって要求精度が大きく異なり、業界ではジャイロスコープのバイアス安定性を基準に大まかなグレード分けが定着している。

グレード ジャイロバイアス安定性 1時間あたりの位置誤差目安 代表用途
民生(Consumer) 30deg/h以上 11,000km超 スマートフォン、ゲームコントローラー、ドローンの姿勢制御(GNSS併用前提)
産業(Industrial) 10〜100deg/h 1,100〜11,000km 産業用ロボット、UGV、カメラジンバルの手ブレ補正
戦術(Tactical) 1〜10deg/h 110〜1,100km UAV/UGVの慣性航法、GNSS遮断時のバックアップ航法
中間(Intermediate) 0.01〜1deg/h 1.1〜110km 精密農業機械、精密測量、高性能自動運転プロトタイプ
航法(Navigation) 0.01deg/h未満 1.1km未満 航空機・船舶の慣性航法装置(INS)
戦略(Strategic) 0.001deg/h未満 110m未満 潜水艦・ミサイルの長時間無補正航法

民生グレードと戦術グレードの間には数十〜数百倍のバイアス安定性の差があり、これがそのまま製品価格の差(数百円のチップから数十万円のモジュールまで)に直結する。GNSSを常時併用できる自動運転車では民生〜産業グレードで十分な場面が多い一方、トンネル・地下・戦場のようにGNSSが長時間途絶する用途では戦術グレード以上が必須になる。

主要製品のスペック比較

製品 メーカー グレード目安 ジャイロバイアス安定性 加速度計バイアス安定性 特徴
Xsens MTi-2(600-Series) Xsens(Movella) 産業 6deg/h 40µg GNSS/INS統合(MTi-670/680)まで柔軟に選択可
Bosch BMI088 Bosch Sensortec 民生〜産業 2deg/h未満 非公表(自動車グレード派生) 高振動耐性、ドローン・ロボティクス向け
Analog Devices ADIS16500 Analog Devices 産業〜戦術 6.25deg/h 16µg 15×15×5mmのBGAパッケージに6軸+姿勢演算を集約
Honeywell HGuide HG4930 Honeywell 戦術 0.25deg/h 非公表 FOG(光ファイバージャイロ)級精度をMEMSで実現、消費電力3W未満
VectorNav VN-100 / VN-300 VectorNav 産業〜戦術 非公表(IMU/AHRSとして統合出力) 非公表 VN-300はデュアルGNSSアンテナで静止時方位精度0.15°
InvenSense MPU-6050 InvenSense(現TDK) 民生 非公表(民生チップは通常バイアス安定性を公開しない) 非公表 6軸統合ワンチップ、Nexus 7等のスマートフォンに搭載された代表的民生IMU

Xsensは製品を「シリーズ」単位で展開しており、超小型の1-Seriesから、単純なIMUデータ出力(MTi-610)、姿勢推定込みのAHRS(MTi-630)、GNSSとの統合でRTK測位まで対応する高機能モデル(MTi-670/680)まで、600-Series内だけでも幅広いグレードを揃えている。上表のMTi-2はXsensのIMU製品におけるスペック表記の一例である。BoschのBMI088はドローン・ロボティクス向けを明確に謳う製品で、CES 2018で発表された。自動車の電子安全システム(ESP等)向けに磨き上げてきた振動耐性の高いジャイロ技術を転用しており、温度変化に対するオフセット係数(TCO)が15mdps/K未満という低ドリフト特性を持つ。Analog DevicesのADIS16500は、6軸センサーと姿勢演算プロセッサを1つのBGAパッケージに統合したモジュールで、単体チップより高価だが実装の手間を大幅に減らせる。HoneywellのHG4930は「FOG(光ファイバージャイロ)級の性能をMEMSサイズ・MEMS価格で実現する」ことを謳う戦術グレード品で、20年に及ぶ同社の慣性航法技術の蓄積を土台にしている。

Wiiリモコンが切り拓いた民生MEMS加速度計の時代

現在では数百円で買えるMEMS加速度計・ジャイロスコープだが、これが民生機器で本格的に普及する転機になったのが2006年発売のNintendo「Wiiリモコン」である。任天堂はWiiの開発を2001年頃から進める中でGyration社からモーションセンシング特許をライセンスし、最終的にAnalog Devices製の3軸MEMS加速度計「ADXL330」を採用した。STMicroelectronicsもこのプロジェクトに関わっており、任天堂との初回打ち合わせから製品出荷までわずか9か月という「非常に速い」開発期間だったと報じられている。当時、2軸のMEMS加速度センサーは既に存在していたが、3軸目を追加することには技術的な難しさがあった。Wiiリモコンの商業的成功は、MEMS慣性センサーが携帯電話・ゲーム機のような大量生産の民生機器に組み込まれる流れを決定づけた。

その後、この流れを最も象徴する製品になったのがInvenSenseのMPU-6050である。3軸ジャイロ+3軸加速度計を1チップに統合した「6軸IMU」の先駆けで、GoogleのNexus 7(2012年)など多くのスマートフォン・タブレットのメイン基板に搭載された。価格の安さと入手性の良さから、Arduino・Raspberry Piを使う個人のロボット工作・ドローン自作コミュニティでも定番部品として広く使われ続けている。newbotのような個人開発の自律移動ロボットプロジェクトでも、まず動作確認用にMPU-6050系のIMUを使うケースは珍しくない。

Xsens自体の企業としての歩みも興味深い。2000年にオランダ・エンスヘデでCasper PeetersとPer Slyckeが創業し、モーションキャプチャ用の慣性センサースイート「MVN」などで存在感を確立した後、2014年に半導体大手Fairchild Semiconductorに買収され、2016年にはFairchildを買収したON Semiconductorの傘下に入った。2017年には半導体メーカーmCubeがXsensを買収し、2021年にmCubeは「Movella」に社名変更、現在Xsensブランドの製品はMovella傘下で展開されている。センサー単体メーカーから、モーションキャプチャ・ウェアラブル・産業IoTを横断する「動きのデータ」企業への脱皮を、20年余りかけて続けてきた企業といえる。

学術面では、IMU単体のドリフトを機械学習で補正しようとする研究も活発である。2023年に発表された「AirIMU: Learning Uncertainty Propagation for Inertial Odometry」(arXiv:2310.04874)は、IMUの生データから不確実性(誤差の伝播)そのものを学習し、慣性オドメトリの精度を高めるアプローチを提案している。古典的なAllan分散に基づくノイズモデルだけでなく、データ駆動でIMU誤差特性を学習する手法は、近年のロボティクス系国際会議で継続的に報告されているテーマの一つである。

性能を左右するパラメータ

参考リンク

#IMU #Xsens #Bosch #センサー #自動運転 #ロボティクス #MEMS