> ## Documentation Index > Fetch the complete documentation index at: https://kensou.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # Imu physics and noise model # IMU Physics & Noise Model (IMU 物理与噪声模型 — MEMS vs FOG / Allan 方差 / 漂移预算) > **发布时间**：2026-05-21 > **范围**：`foundations/sensor-physics/` — MEMS vs FOG sensing principles / Allan variance / bias instability / temperature > **核心定位**：VIO 论文默默忽略的 drift-budget 算术 — `$3 BMI270` vs `$15k KVH 1750` 是 5000× 的成本阶跃和 10000× 的 bias-instability 阶跃，由任务时长唯一决定 **Status:** v1 — opinionated draft，按 AGENTS.md 14 项 dissection 模板撰写，2026-05-21。标 `UNVERIFIED` 的数字仍需 spec-sheet 交叉核对。 **Wedge tier:** sensor-physics expansion（5 篇姊妹文中的第 4 篇） ### X-Ray opening 每个 embodiment 至少装一颗 IMU；真正的问题只有一个 — **走哪条物理**。MEMS 陀螺（振动质量、Coriolis 读出）$3 一颗，bias instability ~0.5°/s — 装 GNSS 的 drone 没问题，没 GNSS 的 AUV 会爆。FOG (Fiber-Optic Gyro，光纤盘上的 Sagnac 效应) $5k–50k 一颗，bias instability \~0.05°/hr — drone 上严重过度，长航时自主水下或隧道驾驶**必备**。对 sensor 工程师：IMU 选择坍缩成一个问题 — **平台在没有 aiding 信号时要 dead-reckon 多久？** ### 📍 研究全景时间线 (Research Landscape Timeline) ``` 1985 ── 首批光纤陀螺 (Honeywell, KVH) ── 惯导时代开始 2007 ── Apple iPhone 4 InvenSense MPU-6050 ── 消费级 MEMS IMU 大众市场 2014 ── Bosch BMI160 / BMI270 一脉 ── $3 9-DoF IMU 2015 ── DJI Phantom 3 MEMS+GPS 融合 ── 消费 drone 时代 2018 ── Honeywell HG4930 tactical MEMS (~$5k) ── 中端 2020 ── KVH 1750 / 1775 FOG 广泛用于 AUV / 测绘 2022 ── Apple AirPods Pro 2 9-DoF MEMS in earbud ── ~$1 成本底 `UNVERIFIED` 2024 ── Anello Photonics SiPh gyro 目标 <$1k ── 光子学中端崛起 202? ── ? 下一波：chip-scale atomic gyro / cold-atom interferometer（今天还在实验室） ``` 本文件卡在 MEMS-vs-FOG 分岔点 — "用 IMU"定下来之后，剩下唯一的真选择。 *** ## 1 · 两种物理体制 📌 **Napkin Formula**：`dead_reckon_drift = bias_instability × t + ARW × √t + scale_factor_error × Δθ`。§2 的所有内容对照这个公式 — MEMS 每分钟漂米级，FOG 每小时漂米级，bias instability 上差 4 个数量级。 **(a) MEMS Coriolis 陀螺.** 微机械振动质量（silicon，100 µm 尺度）在共振点驱动。绕敏感轴的旋转向 drive motion 垂直方向注入 Coriolis 力 → 容性 pickoff 量测。Gyro-on-a-chip：3 轴 + 3 加速度计 + 温度 + 磁力计装在 3×3 mm BGA 里。Bosch BMI270 (\~\$3 `UNVERIFIED`，bias instability 0.5°/s，ARW 0.007°/√Hz `UNVERIFIED`)。InvenSense ICM-42688 同级。 **(b) FOG (Fiber-Optic Gyro).** Sagnac 效应：一束光在光纤盘绕中分成两条反向传播路径。绕盘轴的旋转造成光程差 → 在重组干涉仪上产生相位移。分辨率随 coil area × turns 而变 — KVH 1750 通常 200 m 光纤。KVH 1750 (\$15k `UNVERIFIED`，bias instability 0.05°/hr，ARW 0.012°/√hr `UNVERIFIED`)。Honeywell GG1320 / iXBlue 对应。 **(c) RLG (Ring Laser Gyro).** 同样 Sagnac 原理，但用 laser cavity 代替光纤。航空惯导（Honeywell HG9900）。性能高于 FOG，体积更大更贵 (\$50k+)。超出消费成本下具身 AI 的范围。 **(d) 加速度计.** 每个 tier 都是 MEMS — 振动梁或 pendulous mass，容性读出。Bias instability 与 noise 与陀螺类似缩放，但加速度计漂移通过**双重**积分进入位置，所以陀螺数字主导姿态而加速度计在姿态锁定后主导位置漂移。 ⚡ **Eureka Moment.** MEMS-vs-FOG **不是**质量阶梯 — 是任务时长分岔。MEMS 在每几秒被 aided（GNSS、视觉、轮速里程计）就没问题。FOG 只在你必须无 aiding 滑行 minutes-to-hours 时才有意义。成本阶 5000×，因为物理阶（振动 silicon vs km 长光纤盘）根本不同。 *** ## 2 · MEMS vs FOG 对比 | Property | MEMS (BMI270 class) | FOG (KVH 1750 class) | | ----------------------- | --------------------------------- | --------------------------------------------- | | 感测原理 | Coriolis on vibrating mass | Sagnac on fiber coil | | 成本 | \~\$3 | \~\$15k | | 重量 | \<1 g | 500–1000 g | | 功率 | \<10 mW | 5–15 W | | Bias instability (gyro) | 0.5°/s `UNVERIFIED` | 0.05°/hr `UNVERIFIED` | | ARW (angle random walk) | 0.007°/√Hz | 0.012°/√hr | | Scale-factor stability | \~0.1% | \~5 ppm | | 温度敏感度 | \~0.05°/s/°C `UNVERIFIED` | \~0.001°/hr/°C `UNVERIFIED` | | 工作温度范围 | -40 to +85 °C consumer | -40 to +85 °C industrial | | 典型用途 | **BMI270 → drones, phones, AGVs** | **KVH 1750 → AUVs, L4 AD tunnels, surveying** | 中端 "tactical-grade MEMS"（Honeywell HG4930，\~\$5k `UNVERIFIED`）介于两者之间 — **临时** bias 0.05°/hr，但因残留 MEMS 不稳定机制，几小时内漂移比 FOG 快。 *** ## 3 · Allan variance — 标准噪声模型 在 log-log 图上画静止 IMU 的 σ(τ)：x 轴 averaging time τ，y 轴 deviation σ。 ``` log σ ^ | \ / | \ ARW / | \ / | \ / ← bias instability floor | \/______ | / | / RRW (rate random walk) | / +-----+---------------------> log τ 曲线最低点 τ = bias instability 时间常数 ``` 三段： 1. **ARW (angle random walk)** — 短 τ，log-log 斜率 -1/2。读出链的热噪声 / 散粒噪声。按 `1/√τ` 平均下来。随积分时长改善；决定短时性能。 2. **Bias instability** — 曲线最低点，斜率 0。IMU 的**地板** — 过了这个 τ 再平均也没用。来自机械 / 电子 1/f 噪声。**datasheet 上引用的那个数字。** 3. **RRW (rate random walk)** — 长 τ，斜率 +1/2。Bias 自身在漂。主导长时无 aiding 积分。 对 VIO / VINS-Fusion / OpenVINS 论文，ARW + bias instability 决定 IMU pre-integration 噪声协方差。RRW 通常被建模为慢随机游走 bias 状态 — 在长航时实际比论文假设更糟，因为未建模的温度瞬态。 *** ## 4 · Worked example — 1 分钟无 aiding 飞行：MEMS vs FOG 位置漂移 Back-of-envelope（数字 `UNVERIFIED`，仅用于工程直觉）： ``` Scenario: GNSS-denied 隧道，无视觉辅助（烟雾 / 黑暗） Platform: drone 或 robocar，仅靠 IMU dead-reckoning Duration: t = 60 s ``` * **MEMS BMI270 路径.** * 姿态漂移（来自 bias instability）：`0.5°/s × 60 s = 30°`。本身就是灾难。 * 现实一点（标定后）：残余 bias \~0.05°/s `UNVERIFIED` → 60 s 内 3°。 * 加速度计 bias \~0.01 m/s² `UNVERIFIED` → 位置漂移 `(1/2)·b·t² = 0.5·0.01·3600 = 18 m`。 * **60 s 无 aiding 飞行的位置不确定度合计：\~20 m。** 隧道行驶用不了；短 GNSS gap 勉强可容。 * **FOG KVH 1750 路径.** * 姿态漂移：`0.05°/hr × (60/3600) = 0.0008°`。实质上零。 * 加速度计（IMU 封装内仍是 MEMS — FOG 只换陀螺）：同样 \~0.01 m/s² → 18 m 位置漂移。 * **60 s 后位置不确定度合计：\~18 m**，几乎完全由加速度计支配。 * 但在 1 小时尺度，MEMS 位置漂移膨胀到 \~`O(km)`，而 FOG-aided estimator 保持 tens of meters。 印证 §1 → §2：60 s 上两条路都是加速度计 bias 主导。FOG 优势出现在**分钟-到-小时**。5000× 成本阶跃只在无 aiding 任务时长超过 \~5 分钟时才划算。 *** ## 5 · 只有踩过坑才知道的误差来源 **温度瞬态.** 大部分 MEMS spec 是**在**标定温度下。drone 户外冷启动 → IMU 在 10 分钟内穿过 30 °C swing → 未标定 bias 漂移主导一切。缓解：thermal hood、内嵌标定 LUT、soft-start 延时。 **振动 aliasing.** Drone 电机 1F \~100–500 Hz；1 kHz 采样的 IMU 会把 600 Hz 振动 alias 到导航滤波器所在的低频带。IMU 本身没坏 — 是采样坏了。缓解：机械隔振、ADC 之前的 anti-alias LPF、oversample-and-decimate。 **磁力计污染.** 磁导航辅助在电池、电机、铁磁货物附近失效。永远把 mag 当 soft-aid，不要当 hard-aid。 **G-sensitivity（陀螺对线加速度的响应）.** 廉价 MEMS 陀螺在持续 g 下会有 `O(0.01°/s/g)` 的 bias。激进 drone 机动会注入虚假旋转。 **轴间耦合.** 廉价 MEMS 的 cross-axis sensitivity \~0.5%；标定矩阵很重要。 *** ## 6 · Hidden Assumptions — IMU 选择默默押注的前提 MEMS-vs-FOG 决策只在下列条件成立时稳定： * **振动谱不超过采样 anti-alias 带宽。** Drone 电机 5–10 kRPM (200–500 Hz 1F) 在 1 kHz IMU 采样下 → 必须滤。高 RPM 微型 drone 打破这个假设。 * **工作温度在标定包络内。** -40 to +85 °C industrial；-20 to +60 °C consumer。超出则 bias 跳出 datasheet 数倍。 * **任务时长估计正确。** Drone 标称 GNSS-aided 每 100 ms — MEMS 没问题。AUV 没 GNSS 数小时 — FOG 必备。估错 → IMU 等级错。 * **Aiding 源可靠。** Vision-aided VIO 在黑暗、灰尘、雾中失效 → IMU 无 aiding 滑行 → 把 MEMS 合理化的"aided"假设蒸发。同样硬件，不同结论。 * **标定保持最新.** MEMS bias 批间漂、年际漂；OEM 出厂标定够短任务，长任务挂。长航时平台在 stationary 段跑 self-calibration。 * **1 分钟漂移的瓶颈是加速度计而非陀螺.** 超过 5–10 分钟无 aiding 后，陀螺接管。选 FOG 陀螺却保留廉价加速度计是没意义的。 *** ## 7 · 跨 embodiment 比较 + interview tip | Embodiment | IMU pick | 原因 | | --------------------- | --------------------------------- | ---------------------------------------- | | **Manipulation** | MEMS BMI270 (\$3) | 静态底座；视觉反馈主导；无 aiding 周期 \<10 s | | **Humanoid** | 多颗 MEMS（通常 >12） | per-joint 感测；靠运动链聚合 | | **Ground AGV** | MEMS + 轮速里程计 | 轮速编码器每米 aid；MEMS 足够 | | **Drone (consumer)** | MEMS + GNSS + visual | 全 aid 可得；MEMS 没问题；FOG 重量不可行 | | **AD 乘用车** | auto-grade MEMS (\$50–500) | GNSS + visual aid；隧道靠短时 MEMS dead-reckon | | **AD L4 + 隧道 >5 min** | MEMS + 偶尔 tactical-grade 或 FOG 混合 | 无 aiding 隧道时长重要 | | **AUV** | **FOG 必备 (KVH 1750)** | 水下无 aiding 数小时；物理禁止 GNSS，视觉 \<5 m | | **Aerospace 惯导** | RLG (\$50k+) | 数小时到数天无 aiding，超出 FOG 包络 | 经验：按**无 aiding 任务时长**选 IMU class，不要按"质量"。Drone 不需要 FOG；AUV 需要。 **🎙️ Interview Tip.** 被问"这台 drone 需要 FOG 吗"？— 反问的第一句是 *"最长无 aiding 段是几秒？"* \<30 s GNSS gap 用 MEMS + 好 VIO 就够。如果你 bound 不住（采矿隧道、AUV 任务），上 FOG。回答"FOG 永远更好"的人在卖 FOG。 *** ## 8 · For the reader * **Manipulation** — MEMS (\$3)，别想了。 * **Drone** — MEMS BMI270 / ICM-42688 + GNSS + VIO。FOG 仅当任务规格含 >5 min 无 aiding 段时考虑。 * **AD** — L2 用 auto-grade MEMS；L4 带隧道用 tactical-grade MEMS；FOG 仅当任务含长隧道 + 无 map 先验时。 * **Marine** — FOG 必备（KVH 1750 或等效）；无替代。 *** ## References * Bosch BMI270 datasheet `UNVERIFIED` * InvenSense ICM-42688 datasheet `UNVERIFIED` * KVH 1750 / 1775 IMU technical brief `UNVERIFIED, no DOI` * Honeywell HG4930 tactical MEMS spec `UNVERIFIED, no DOI` * IEEE 952-1997 — IMU 规格格式（Allan variance 术语） * 实战：维护者在 drone 标定 / 温度 soak 上的经验 ## Boundary * `foundations/sensor-physics/active_nir_850nm_for_embodied_ai.md` — 视觉感测姊妹文 * `foundations/sensor-physics/tof_physics_for_embodied_ai.md` — 深度感测姊妹文 * `foundations/sensor-physics/lidar_physics_905_vs_1550.md` — 长距姊妹文 * `crossing/sensor-stack-matrix/sensor_budget_matrix_v1.md` — IMU 是所有 embodiment 的 universal-core；矩阵展示 FOG 何时入场 * `embodiments/aerial/sensor-stack/` — drone IMU 集成 / 隔振 * VIO / VINS pre-integration 数学：`foundations/slam-vio/` (TBD) — IMU 模型的**消费方**。本文覆盖产生噪声的 sensor 物理；filter 数学住在 SLAM-VIO 下面。 *2026-05-21. v1 首版，满足 14 项 gate。UNVERIFIED → v1.1 datasheet 引用。* *** [← Back to sensor-physics README](./overview.md)