Comment simuler les pertes GNSS pour valider vos algorithmes de navigation ?

Les pertes GNSS constituent l’un des défis majeurs des systèmes de navigation embarquée.
Elles se produisent dans les environnements urbains denses, les tunnels ou sous les ponts, là où les signaux satellites sont bloqués ou réfléchis.
Mais comment tester la robustesse de vos algorithmes de fusion GNSS/IMU face à ces situations sans attendre des mois de conduite réelle ?
👉 La réponse : la simulation inertielle réaliste avec RS3.

1. Pourquoi simuler des pertes GNSS ?

Les coupures GNSS sont un problème récurrent pour :

• les systèmes d’aide à la conduite (ADAS) ;
• la cartographie dynamique et le positionnement GNSS RTK ;
• les flottes connectées et les applications mobiles.

Dans ces contextes, il est crucial de valider la continuité de la navigation — autrement dit, la capacité d’un algorithme à maintenir une trajectoire cohérente sans signal GNSS.

C’est ici qu’intervient la simulation RS3, qui permet de reproduire fidèlement des environnements complexes en injectant des événements de perte GNSS configurables.

2. Les bases : GNSS + IMU, une fusion complémentaire

Un système GNSS/INS combine :

• un GNSS précis mais dépendant de la visibilité satellite ;
• une IMU (Inertial Measurement Unit) autonome mais sujette à la dérive.

Selon Liu et al. (2023), trois niveaux de couplage sont utilisés :

1. Loosely coupled (LC) — fusion position/vitesse.
2. Tightly coupled (TC) — fusion à partir de mesures GNSS brutes.
3. Deeply coupled (DC) — fusion au niveau matériel GNSS.

L’objectif de la simulation RS3 est de reproduire ces cas de figure en injectant du bruit inertiel, des coupures GNSS et des trajectoires dynamiques complexes.

3. RS3 : un simulateur pour tester la robustesse de vos filtres

RS3 (RoadSimulator3) génère des trajectoires GNSS/IMU à haute fréquence (10 Hz) à partir de profils cinématiques et inertiels réalistes.
Son moteur inertiel permet de :

• paramétrer les pannes GNSS (durée, fréquence, environnement) ;
• simuler le bruit inertiel des capteurs (biais, dérive, variance Allan) ;
• exporter des données cohérentes vers le format Telemachus pour traitement et validation.

Ces données peuvent ensuite être utilisées pour évaluer :

• la dérive de votre algorithme en absence GNSS ;
• la stabilité de vos filtres (EKF, UKF, FGO, MMKF) ;
• les performances d’apprentissage d’un modèle IMU-only (DVSE, GRU, TCN).

4. Un protocole reproductible avec Telemachus

Les événements de perte GNSS dans RS3 sont exportés sous forme d’annotations événementielles dans le format pivot Telemachus :

event:
  type: gnss_loss
  start: 123.4
  duration: 10.0
  quality: 0.0

Ces annotations peuvent inclure des métadonnées additionnelles :

event:
  type: gnss_loss
  start: 123.4
  duration: 10.0
  quality: 0.0
  sensor_ref: gnss_main
  env_context: tunnel

Ce format standardisé permet de comparer les performances de différents algorithmes dans un cadre reproductible :

• RS3 → génère la vérité terrain + perte GNSS.
• Telemachus → structure les signaux multi-capteurs.
• MMKF / DVSE → exécutent les estimations.
• VAE C4 → évalue la validité scientifique et la cohérence du pipeline.

5. Résultats et cas d’usage

Les valeurs suivantes proviennent d’expérimentations RS3 sur les scénarios Tunnel_15s et Urban_Canyon_30s :

Les expérimentations menées sur des scénarios RS3 (vitesse variable, courbure, tunnels simulés) montrent :

• une dérive moyenne de 2 à 5 m pour un EKF classique sur 30 secondes de coupure ;
• une amélioration de 30 à 40 % avec un MMKF à consensus (Mafi 2025) ;
• une dérive inférieure à 2 m sur 30 s de coupure pour un modèle DVSE (SmartphoneIMUSpeed2025).

Ces résultats confirment que la simulation RS3 et le format Telemachus offrent une base fiable pour la recherche et le développement d’algorithmes de navigation robustes.

6. En résumé

Simuler les pertes GNSS permet de :

• anticiper les défaillances en conditions réelles ;
• tester vos algorithmes sans données terrain coûteuses ;
• standardiser la validation via Telemachus.

La combinaison RS3 + Telemachus forme un laboratoire ouvert pour la mobilité connectée, où les chercheurs et ingénieurs peuvent partager, comparer et améliorer leurs modèles dans un cadre transparent et scientifique.
Cette approche ouvre la voie à des benchmarks publics de robustesse des algorithmes, intégrables dans le futur Telemachus Dataset 1.0, garantissant reproductibilité et validation inter-équipe.

✳️ Références :

• Han, J. et al. (2024) — Simulation Techniques for Autonomous Driving: A Review.
• Huang, X. et al. (2019) — Trajectory Smoothing and Reconstruction under Vehicle Constraints.
• Liu, H. et al. (2023) — A Comprehensive Review of GNSS/INS Integration.