রোবট এবং স্মার্টফোনের জন্য একটি সহযোগী অবস্থান নির্ণয় কাঠামো ভিজিবল লাইট কমিউনিকেশনের ভিত্তিতে

১. সারসংক্ষেপ

এই গবেষণাপত্রটি ইনডোর অবস্থান নির্ণয়ের সেই গুরুত্বপূর্ণ চ্যালেঞ্জের সমাধান করে যেখানে জিপিএস-এর মতো ঐতিহ্যবাহী পদ্ধতি সংকেত বাধাপ্রাপ্ত হওয়ায় ব্যর্থ হয়। এটি স্মার্টফোন ও রোবটে এলইডি আলোর ব্যাপক প্রসার এবং উচ্চ রেজোলিউশনের সিএমওএস সেন্সরের সুবিধা নেয়। প্রস্তাবিত সিস্টেমটি দৃশ্যমান আলো অবস্থান নির্ণয় (ভিএলপি) ব্যবহার করে, যেখানে এলইডি ট্রান্সমিটারগুলি অন-অফ কীিং (ওওকে) ব্যবহার করে তাদের আলো মডুলেট করে অনন্য শনাক্তকারী (ইউআইডি) এবং অবস্থানের ডেটা এম্বেড করে। গ্রহণকারী টার্মিনাল (একটি স্মার্টফোন ক্যামেরা বা রোবট ভিশন সেন্সর) রোলিং শাটার ইফেক্টের মাধ্যমে এই উচ্চ-ফ্রিকোয়েন্সির আলোর পরিবর্তন ধারণ করে, যা অপটিক্যাল ক্যামেরা কমিউনিকেশন (ওসিসি) গবেষণায় সুপ্রতিষ্ঠিত একটি ঘটনা। এটি ভিডিও ফ্রেম রেটের চেয়ে বেশি ডেটা ট্রান্সমিশন রেট সক্ষম করে। ধারণকৃত আলোর প্যাটার্ন ("স্ট্রাইপ") ডিকোড করে ইউআইডি পুনরুদ্ধার এবং পূর্ব-সংরক্ষিত মানচিত্র ডাটাবেসের সাথে ক্রস-রেফারেন্স করার মাধ্যমে, ডিভাইসটি উচ্চ নির্ভুলতার সাথে তার নিজস্ব অবস্থান নির্ধারণ করতে পারে। গবেষণাপত্রটি গুদাম ও বাণিজ্যিক সেবার মতো গতিশীল পরিবেশে মানুষের সাথে রোবটের সহযোগিতার জন্য এই প্রযুক্তিকে একটি মূল সক্ষমকারী হিসেবে উপস্থাপন করে, যেখানে বাস্তব-সময়ের, ভাগ করা পরিস্থিতিগত সচেতনতা সর্বাধিক গুরুত্বপূর্ণ।

২. উদ্ভাবন

The core innovation lies in the cooperative framework নিজেই। যদিও স্ট্যান্ডালোন ডিভাইসের জন্য VLP অন্বেষণ করা হয়েছে, এই কাজটি স্মার্টফোন এবং রোবট উভয়ের জন্য পজিশনিংকে একটি একীভূত সিস্টেমে সংহত করে। মূল অবদানগুলির মধ্যে রয়েছে:

1. সিস্টেম ডিজাইন: স্মার্টফোন ব্যবহারের ব্যবহারিক চ্যালেঞ্জ (যেমন, ডিভাইস টিল্ট) এবং রোবট নেভিগেশনের জন্য উপযোগী একটি VLC-ভিত্তিক সহযোগিতামূলক পজিশনিং সিস্টেম, যা রোবাস্টনেসের জন্য একাধিক VLP স্কিম নিয়োগ করে।
2. ফ্রেমওয়ার্ক বাস্তবায়ন: একটি কার্যকরী ফ্রেমওয়ার্ক যেখানে উভয় রোবট এবং স্মার্টফোনের অবস্থান বাস্তব সময়ে প্রাপ্ত এবং ভাগ করা হয়, একটি স্মার্টফোন ইন্টারফেসে দৃশ্যমান করা হয়।
3. পরীক্ষামূলক বৈধতা: অভিজ্ঞতামূলকভাবে আইডি শনাক্তকরণের নির্ভুলতা, অবস্থান নির্ভুলতা এবং রিয়েল-টাইম কর্মক্ষমতা যাচাইয়ের উপর মনোনিবেশ।

3. প্রদর্শনের বিবরণ

Demonstration সিস্টেমটি ট্রান্সমিটার এবং রিসিভারে বিভক্ত।

4. Technical Details & Mathematical Formulation

সিস্টেমটি OCC এবং জ্যামিতিক অবস্থান নির্ণয়ের মৌলিক নীতির উপর নির্ভর করে।

1. OOK Modulation & Rolling Shutter Effect:
LED টি একটি বাইনারি সিকোয়েন্স প্রেরণ করে। '1' কে LED চালু অবস্থা দ্বারা এবং '0' কে বন্ধ অবস্থা দ্বারা (বা উল্টোভাবে) উপস্থাপন করা হয়। স্মার্টফোন ক্যামেরার রোলিং শাটার সেন্সরের বিভিন্ন সারিকে সামান্য ভিন্ন সময়ে এক্সপোজ করে। দ্রুত জ্বলছে-নিভছে এমন একটি LED ক্যাপচার করার সময়, এটি ছবির মধ্যে পর্যায়ক্রমে উজ্জ্বল এবং অন্ধকার ব্যান্ডের সৃষ্টি করে। এই ব্যান্ডগুলোর প্যাটার্ন সরাসরি প্রেরিত বিট সিকোয়েন্সের সাথে মিলে যায়। ডেটা রেট $R_{data}$ সীমিত হয় রোলিং শাটার স্যাম্পলিং রেট দ্বারা, ফ্রেম রেট $FPS$ দ্বারা নয়: $R_{data} \approx N_{rows} \times F_{rs}$, যেখানে $N_{rows}$ হল সেন্সর সারির সংখ্যা এবং $F_{rs}$ হল সারি স্ক্যান ফ্রিকোয়েন্সি।

2. Position Estimation:
ডাটাবেস থেকে $n$ সংখ্যক LED এর 3D অবস্থান ($\mathbf{P}_{LED,i} = [x_i, y_i, z_i]^T$) পুনরুদ্ধার করা হলে এবং ইমেজ প্লেনে তাদের সংশ্লিষ্ট 2D প্রজেকশন ($\mathbf{p}_i = [u_i, v_i]^T$) পাওয়া গেলে, ক্যামেরার 6-DOF পোজ (অবস্থান $\mathbf{t}$ এবং অভিমুখ $\mathbf{R}$) একটি Perspective-n-Point (PnP) সমস্যা সমাধান করে অনুমান করা যেতে পারে:

5. Experimental Results & Chart Description

The paper claims the demonstration verified high accuracy এবং রিয়েল-টাইম পারফরম্যান্সপ্রদত্ত উদ্ধৃতিতে নির্দিষ্ট সংখ্যাসূচক ফলাফল বিস্তারিতভাবে উল্লেখ করা না হলেও, আমরা উদ্ধৃত পূর্ববর্তী কাজ এবং সিস্টেম বর্ণনার ভিত্তিতে ফলাফলের প্রকৃতি অনুমান করতে পারি।

অনুমিত পারফরম্যান্স মেট্রিক্স:

• অবস্থান নির্ভুলতা: Referencing [2,3], যা একটি একক LED কে SLAM এর সাথে যুক্ত করে রোবট অবস্থান নির্ণয়ে ~2.5 সেমি নির্ভুলতা অর্জন করেছিল, এই সহযোগিতামূলক সিস্টেমটি সম্ভবত সেন্টিমিটার-স্তরের নির্ভুলতা লক্ষ্য করে। নির্ভুলতা LED এর ঘনত্ব, ক্যামেরার রেজোলিউশন এবং ক্যালিব্রেশনের একটি ফাংশন।
• আইডি শনাক্তকরণ হার/সঠিকতা: সিস্টেম নির্ভরযোগ্যতার জন্য একটি গুরুত্বপূর্ণ মেট্রিক। এই বিষয়ে গবেষণাপত্রের ফোকাস ইঙ্গিত করে যে পরীক্ষাগুলো বিভিন্ন অবস্থার (দূরত্ব, কোণ, পরিবেষ্টিত আলো) অধীনে বিট ত্রুটি হার (BER) বা সফল ডিকোডিং হার পরিমাপ করেছে।
• রিয়েল-টাইম লেটেন্সি: স্মার্টফোনে ছবি তোলা থেকে অবস্থান প্রদর্শন পর্যন্ত এন্ড-টু-এন্ড বিলম্ব। এতে ছবি প্রক্রিয়াকরণ, ডিকোডিং, ডাটাবেস অনুসন্ধান এবং পোজ গণনা অন্তর্ভুক্ত। কার্যকর সহযোগিতার জন্য, এটি সম্ভবত ১০০ মিলিসেকেন্ডের নিচে থাকা প্রয়োজন।

চার্ট বর্ণনা (চিত্র ১):
চিত্র ১ সম্ভবত সামগ্রিক পরীক্ষামূলক পরিবেশ দেখায়। এতে সাধারণত অন্তর্ভুক্ত থাকবে:

1. একটি চিত্র বা ফটো যেখানে পরীক্ষার এলাকা এবং চারটি এলইডি ট্রান্সমিটার জানা স্থানাঙ্কে ছাদ বা দেয়ালে স্থাপন করা হয়েছে।
2. একটি রোবট প্ল্যাটফর্ম (যেমন, একটি ডিফারেনশিয়াল-ড্রাইভ বা ওমনিডিরেকশনাল রোবট) যা উপরের দিকে মুখ করা ক্যামেরা দিয়ে সজ্জিত।
3. একজন ব্যবহারকারী একটি স্মার্টফোন ধরে আছেন, যার ক্যামেরাও LED-গুলির দিকে নির্দেশিত।
4. একটি অন্তর্নিহিত বা পৃথক প্যানেল যা স্মার্টফোনের প্রদর্শন ইন্টারফেস দেখায়, একটি মানচিত্র দৃশ্যায়িত করে যাতে রোবট এবং স্মার্টফোন উভয়ের রিয়েল-টাইম অবস্থান উপস্থাপনকারী আইকন রয়েছে।

৬. বিশ্লেষণ কাঠামো: একটি নন-কোড কেস স্টাডি

Scenario: Warehouse Order Picking with Human-Robot Teams.
Objective: একটি রোবট একটি কার্ট একটি পিকিং স্টেশনে পরিবহন করে যেখানে একজন মানব কর্মী আইটেম একত্রিত করে। দক্ষ রেন্ডেজভাস এবং বাধা এড়ানোর জন্য উভয়েরই সঠিক, ভাগ করা অবস্থান ডেটা প্রয়োজন।

ফ্রেমওয়ার্ক অ্যাপ্লিকেশন:

1. ইনফ্রাস্ট্রাকচার সেটআপ: গুদামের ছাদে VLP-সক্ষম LED লাইটের একটি গ্রিড লাগানো আছে, যার প্রতিটিকে তার UID এবং সুনির্দিষ্ট গুদাম স্থানাঙ্ক (যেমন, Aisle 3, Bay 5, Height 4m) দিয়ে প্রোগ্রাম করা হয়েছে।
2. রোবট লোকালাইজেশন: রোবটের শীর্ষে স্থাপিত ক্যামেরা ক্রমাগত একাধিক LED দেখে। এটি তাদের ID ডিকোড করে, একটি স্থানীয় বা ক্লাউড-ভিত্তিক ম্যাপ থেকে তাদের 3D অবস্থান পুনরুদ্ধার করে এবং PnP ব্যবহার করে গুদামের মেঝেতে তার নিজের (x, y, theta) পোজ প্রায় ~5cm নির্ভুলতার সাথে গণনা করে।
3. কর্মী লোকালাইজেশন: কর্মীর স্মার্টফোন (সঙ্গত অভিযোজনের জন্য বুক-মাউন্টেড হোলস্টারে) একই VLP প্রক্রিয়া সম্পাদন করে। এর ভঙ্গিমা গণনা করা হয়, কিন্তু ওয়াই-ফাইয়ের মাধ্যমে কেন্দ্রীয় সিস্টেম এবং রোবটের সাথেও শেয়ার করা হয়।
4. সহযোগী যুক্তি:
   • কেন্দ্রীয় কাজ ব্যবস্থাপক রোবটকে একটি গন্তব্য নির্ধারণ করে: কর্মীর বর্তমান অবস্থান।
   • রোবট তার নিজস্ব অবস্থান এবং গতিশীলভাবে আপডেট হওয়া কর্মী অবস্থান ব্যবহার করে একটি পথ পরিকল্পনা করে।
   • কর্মীর স্মার্টফোন স্ক্রিনে, একটি AR ওভারলে রোবটের সরাসরি অবস্থান এবং আনুমানিক আগমন সময় দেখায়।
   • কর্মী যদি নড়াচড়া করে, রোবটের লক্ষ্য রিয়েল-টাইমে আপডেট হয়, যা গতিশীল পুনঃপরিকল্পনা সক্ষম করে।
5. ফলাফল: অনুসন্ধানের সময় হ্রাস, মৌখিক সমন্বয় দূরীকরণ, পথ অপ্টিমাইজেশন এবং পারস্পরিক সচেতনতার মাধ্যমে নিরাপত্তা বৃদ্ধি।

7. Core Insight & Analyst's Perspective

মূল অন্তর্দৃষ্টি: এই গবেষণাপত্রটি কোনো নতুন অবস্থান নির্ণয় অ্যালগরিদম উদ্ভাবনের বিষয়ে নয়; এটি একটি ব্যবহারিক সিস্টেম ইন্টিগ্রেশন প্লে. প্রকৃত মূল্য হলো দুটি পরিপক্ব প্রবণতা—সর্বব্যাপী স্মার্টফোন ক্যামেরা এবং রোবট অপারেটিং সিস্টেম (ROS) ইকোসিস্টেম—কে LED অবকাঠামোর সাথে একীভূত করে অটোমেশনে "শেষ-মিটার" সমন্বয় সমস্যার সমাধান করা। এটি যোগাযোগ চ্যানেল (আলো)কে দ্বৈত ব্যবহারের জন্য পুনরায় উদ্দেশ্যপ্রণোদিত করে, একটি উচ্চ-নির্ভুলতা অবস্থান চিহ্নিতকারী হিসাবে, একটি ধারণা যা উন্নত SLAM সিস্টেমে দেখা সেন্সর ফিউশন নীতির প্রতিধ্বনি করে কিন্তু সম্ভাব্য কম খরচ এবং উচ্চতর অবকাঠামো নিয়ন্ত্রণ সহ।

লজিক্যাল ফ্লো: যুক্তিটি সঠিক: জিপিএস ভবনের অভ্যন্তরে ব্যর্থ হয় → ভিএলপি একটি কার্যকর, উচ্চ-নির্ভুল বিকল্প প্রদান করে → পূর্ববর্তী কাজ পৃথক প্ল্যাটফর্মে সাফল্য দেখায় → তাই, এগুলোকে একটি সহযোগী কাঠামোতে একীভূত করলে নতুন সহযোগী অ্যাপ্লিকেশন উন্মুক্ত হয়। উপাদান প্রযুক্তি (ওওকে, রোলিং শাটার) থেকে উপব্যবস্থা (ফোনে ভিএলপি) এবং তারপর সমন্বিত সিস্টেম (শেয়ার্ড পজিশনিং ফ্রেমওয়ার্ক) পর্যন্ত প্রবাহটি স্পষ্ট ও যৌক্তিক।

Strengths & Flaws:
শক্তি: 1) Elegant Dual-Use: বিদ্যমান আলো এবং সেন্সর ব্যবহার করে হার্ডওয়্যার খরচ কমিয়ে আনা হয়। 2) উচ্চ সম্ভাব্য নির্ভুলতা: নিয়ন্ত্রিত পরিবেশে ভিজুয়াল-ভিত্তিক পদ্ধতি RF-ভিত্তিক (Wi-Fi/Bluetooth) সিস্টেমের চেয়ে ভালো ফলাফল দিতে পারে। 3) Privacy & Security: ব্যাপক RF ট্র্যাকিংয়ের বিপরীতে, এটি স্বভাবতই স্থানীয় এবং সরাসরি দৃষ্টিরেখাভিত্তিক।
উল্লেখযোগ্য ত্রুটি: 1) The Line-of-Sight (LoS) Prison: এটি হল একিলিসের গোড়ালি। যেকোনো বাধা—উত্তোলিত হাত, একটি প্যালেট, রোবটের নিজের দেহ—অবস্থান নির্ণয় ভেঙে দেয়। "বিভিন্ন আলোক পরিস্থিতি" মোকাবেলার দাবি [5-7] সম্ভবত পরিবেষ্টিত আলোর শব্দকে সম্বোধন করে, NLoS-কে নয়। এটি অগোছালো, গতিশীল গুদামে কাঠিন্যতা মারাত্মকভাবে সীমিত করে। 2) অবকাঠামো নির্ভরতা: একটি ঘন, ক্যালিব্রেটেড এবং মডিউলেটেড LED গ্রিড প্রয়োজন। বিদ্যমান সুবিধাগুলোতে পুনরায় ফিটিং করা তুচ্ছ কাজ নয়। 3) মাপযোগ্যতা সংক্রান্ত প্রশ্ন: সিস্টেমটি কীভাবে ডজন ডজন রোবট এবং কর্মী পরিচালনা করে? সম্ভাব্য হস্তক্ষেপ এবং ডাটাবেস অনুসন্ধানের বাধাগুলি অমীমাংসিত রয়ে গেছে।

কার্যকরী অন্তর্দৃষ্টি:

1. হাইব্রিডাইজ অর ডাই: বাস্তব-বিশ্বের কার্যকারিতার জন্য, এই VLP সিস্টেমটিকে একটি হাইব্রিড লোকালাইজেশন স্ট্যাকের মধ্যে একটি উপাদান হতে হবে। মুহূর্তের NLoS সহনশীলতার জন্য এটিকে হুইল ওডোমেট্রি, IMU এবং সম্ভবত আল্ট্রা-ওয়াইডব্যান্ড (UWB) এর সাথে সংযুক্ত করা উচিত, ঠিক যেমনভাবে Google-এর Cartographer SLAM লিডার এবং IMU ডেটাকে সংযুক্ত করে। ফ্রেমওয়ার্কটির নকশা করতে হবে সেন্সর ফিউশনকে প্রথম-শ্রেণীর নাগরিক হিসেবে বিবেচনা করে।
2. হ্যান্ডশেক প্রোটোকলের উপর ফোকাস করুন: The paper's novelty is "cooperative" positioning. The most critical R&D should be on the communication protocol between agents—not just sharing coordinates, but sharing confidence intervals, intent, এবং collaboratively resolving ambiguities when one agent loses LoS.
3. স্টেট-অফ-দ্য-আর্টের বিপরীতে বেঞ্চমার্ক: লেখকদের অবশ্যই UWB-ভিত্তিক সিস্টেম (যেমন Pozyx বা Apple-এর AirTag ইকোসিস্টেম) এবং ক্যামেরা-ভিত্তিক ফিডুশিয়াল মার্কার সিস্টেম (যেমন AprilTags) এর বিপরীতে তাদের সিস্টেমের নির্ভুলতা, বিলম্ব এবং খরচ কঠোরভাবে তুলনা করতে হবে। মূল্য প্রস্তাবনার আরও স্পষ্ট সংজ্ঞা প্রয়োজন।

8. Application Outlook & Future Directions

Near-term Applications (3-5 years):

• Smart Warehousing & Logistics: কেস স্টাডিতে উল্লিখিত হিসাবে, সুনির্দিষ্ট ডকিং, সহযোগিতামূলক পিকিং এবং ইনভেন্টরি ব্যবস্থাপনার জন্য যেখানে রোবট এবং মানুষ একই স্থান ভাগ করে।
• অ্যাডভান্সড ম্যানুফ্যাকচারিং সেলস: অ্যাসেম্বলি লাইনের নির্দিষ্ট অবস্থানে টেকনিশিয়ানদের কাছে যন্ত্রাংশ হস্তান্তর করতে সহযোগী রোবট (কোবট) পরিচালনা করা।
• Interactive Retail & Museums: নির্দিষ্ট প্রদর্শনী আলোর নিচে সুনির্দিষ্ট অবস্থানের ভিত্তিতে স্মার্টফোনে প্রাসঙ্গিক তথ্য প্রদান এবং দর্শকদের সহায়তার জন্য সার্ভিস রোবটকে নির্দেশনা দেওয়া।
• সহায়ক বসবাস সুবিধা: বাসিন্দাদের অবস্থান (সম্মতি সাপেক্ষে) ট্র্যাক করা এবং সহায়ক রোবটকে তাদের দিকে নির্দেশনা দেওয়া, পাশাপাশি স্থানীয় প্রক্রিয়াকরণের মাধ্যমে গোপনীয়তা নিশ্চিত করা।

Future Research & Development Directions:

1. NLoS এবং রোবাস্টনেস: স্বল্প সময়ের LoS বাধার সময় অবস্থান অনুমান করতে প্রতিফলিত আলোর প্যাটার্ন ব্যবহার বা VLP-কে অন্যান্য সেন্সর মড্যালিটির (অ্যাকোস্টিক, থার্মাল) সাথে সমন্বয় করার বিষয়ে গবেষণা।
2. Standardization & Interoperability: VLP LED মড্যুলেশন স্কিম ও ডেটা ফরম্যাটের জন্য উন্মুক্ত মান উন্নয়ন, VLC-র IEEE 802.15.7r1 মানের অনুরূপ, যাতে বহু-বিক্রেতা ইকোসিস্টেম সক্রিয় হয়।
3. AI-সমৃদ্ধ প্রক্রিয়াকরণ: চরম আলোর তারতম্য, গতির অস্পষ্টতা বা আংশিক আড়ালের অধীনেও শক্তিশালী আইডি ডিকোডিংয়ের জন্য ডিপ লার্নিং ব্যবহার, ঐতিহ্যগত কম্পিউটার ভিশন পাইপলাইনগুলিকে অতিক্রম করে।
4. ডিজিটাল টুইনসের সাথে সংহতকরণ: সমস্ত এজেন্টের রিয়েল-টাইম অবস্থান ডেটা একটি সুবিধার লাইভ ডিজিটাল টুইনের জন্য নিখুঁত ফিড হয়ে ওঠে, যা সিমুলেশন, অপ্টিমাইজেশন এবং ভবিষ্যদ্বাণীমূলক বিশ্লেষণ সক্ষম করে।
5. শক্তি-দক্ষ প্রোটোকল: স্মার্টফোনগুলিকে ন্যূনতম ব্যাটারি খরচে VLP সম্পাদনের জন্য প্রোটোকল ডিজাইন করা, সম্ভবত কম-শক্তি সহ-প্রসেসর বা বিরতিহীন স্ক্যানিং ব্যবহার করে।

9. References

1. [Author(s)]. (Year). Title of the positioning method for robots based on ROS. Conference/Journal Name. (PDF-এ [1] হিসাবে উদ্ধৃত)
2. [Author(s)]. (Year). একটি একক LED-ভিত্তিক রোবট অবস্থান নির্ধারণ পদ্ধতির শিরোনাম। Conference/Journal Name. (PDF-এ [2] হিসাবে উদ্ধৃত)
3. [Author(s)]. (Year). একক LED অবস্থান নির্ণয়ের সাথে SLAM-এর সমন্বয়কারী গবেষণাপত্রের শিরোনাম। Conference/Journal Name. (Referenced in PDF as [3])
4. [Author(s)]. (Year). সম্ভাব্য সহযোগী রোবট অবস্থান নির্ণয় প্রদর্শনকারী গবেষণার শিরোনাম। Conference/Journal Name. (Referenced in PDF as [4])
5. Zhou, B., et al. (Year). High-Accuracy VLP Schemes for Smartphones. IEEE Transactions on Mobile Computing. (Example of VLP scheme literature)
6. IEEE Standard for Local and metropolitan area networks–Part 15.7: Short-Range Optical Wireless Communications. (2018). IEEE Std 802.15.7-2018. (VLC-এর জন্য কর্তৃত্বপূর্ণ মান)
7. Grisetti, G., Stachniss, C., & Burgard, W. (2007). Rao-Blackwellized Particle Filters ব্যবহার করে গ্রিড ম্যাপিংয়ের উন্নত কৌশল। IEEE Transactions on Robotics. (Foundational SLAM reference relevant for robot positioning context)
8. Apple Inc. (2021). Precision Finding for AirTag. [ওয়েবসাইট]। (একটি বাণিজ্যিক UWB অবস্থান নির্ণয় পদ্ধতির উদাহরণ, প্রতিযোগিতামূলক মানদণ্ড হিসেবে)
9. Olson, E. (2011)। AprilTag: একটি শক্তিশালী ও নমনীয় ভিজ্যুয়াল ফিডুশিয়াল সিস্টেম। Proceedings of the IEEE International Conference on Robotics and Automation (ICRA). (Widely used alternative marker-based system)