[論文レビュー] APPLD: Adaptive Planner Parameter Learning from Demonstration

Xuesu Xiao, Bo Liu+3 more|arXiv (Cornell University)|Mar 31, 2020

Robotic Path Planning Algorithms参考文献 25被引用数 5

ひとこと要約

APPLDは、1回のヒューマンテレオペレーションデモのみを用いて、ロボットナビゲーションシステムの適応的パラメータチューニングを実現する手法を提案する。デモを文脈に分割し、行動クラーニングを用いて文脈別に最適なプランナーパラメータを学習することで、実行時においてナビゲーションパラメータを動的に調整可能となる。複雑な環境下で、2台の異なるロボットとナビゲーションシステムにおいて、デフォルト設定やエキスパートチューニング設定を上回る性能を発揮した。

ABSTRACT

Existing autonomous robot navigation systems allow robots to move from one point to another in a collision-free manner. However, when facing new environments, these systems generally require re-tuning by expert roboticists with a good understanding of the inner workings of the navigation system. In contrast, even users who are unversed in the details of robot navigation algorithms can generate desirable navigation behavior in new environments via teleoperation. In this paper, we introduce APPLD, Adaptive Planner Parameter Learning from Demonstration, that allows existing navigation systems to be successfully applied to new complex environments, given only a human teleoperated demonstration of desirable navigation. APPLD is verified on two robots running different navigation systems in different environments. Experimental results show that APPLD can outperform navigation systems with the default and expert-tuned parameters, and even the human demonstrator themselves.

研究の動機と目的

• 非エキスパートユーザーが、単一のテレオペレーションデモのみを用いて、新しい環境に適応可能なロボットナビゲーションシステムを構築すること。
• デフォルトパラメータやエキスパートチューニングパラメータが多様な文脈に一般化できない複雑な環境におけるパラメータチューニングの課題に対処すること。
• 内部プランナーアーキテクチャや手作業で設計された特徴量に依存しない、ブラックボックス的かつ汎用的な方法を提供し、既存のナビゲーションシステムに改変を加えずに適応可能にすること。
• 文脈に応じたパラメータ適応によって、デフォルトパラメータとエキスパートチューニング設定を上回るナビゲーション性能を達成すること。

提案手法

• センサデータと行動に基づいて、変化点検出アルゴリズム（CHAMP）を用いて、ヒューマンテレオペレーションナビゲーションデモを異なる文脈に分割する。
• 検出された各文脈に対して、デモレーターの行動を再現する最適なプランナーパラメータを学習するための行動クラーニングモデルを訓練する。
• 実行時において、センサ入力を用いてリアルタイムで現在の環境文脈を特定するための文脈予測モデルを導入する。
• 推論時において、予測された文脈に応じてナビゲーションシステムのパラメータを動的に切り替えることで、適応的行動を実現する。
• 基礎となるナビゲーションシステムをブラックボックスとして扱い、内部プランナーアーキテクチャや手作業特徴量に依存しない。
• 行動クラーニング損失の最小化によりパラメータを最適化し、実世界のロボットデプロイメントを用いた評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 単一のヒューマンテレオペレーションデモが、複雑で多様な環境下におけるロボットナビゲーションの効果的パラメータチューニングを可能にするか？
• RQ2 文脈に応じたパラメータ適応が、固定パラメータ設定（デフォルトまたはエキスパートチューニング）を上回るナビゲーション性能を達成できるか？
• RQ3 本手法が、アーキテクチャの変更なしに異なるロボットやナビゲーションシステムに一般化可能か？
• RQ4 事前環境知識なしに、センサデータと行動データから意味的な文脈境界を学習できるか？
• RQ5 学習されたパラメータ適応により、実世界のデプロイメントにおいて、ヒューマンデモレーターの性能を上回る性能が達成できるか？

主な発見

• APPLDは、JackalとBWIBotの両方でデフォルトパラメータ設定を上回り、Jackalでは行動クラーニング損失が34.7%低減し、BWIBotでは29.8%低減した。
• BWIBotにおいて、APPLDのパラメータは行動クラーニング損失が0.0669 ± 0.0071を達成し、エキスパートチューニングの0.0940 ± 0.0095よりも顕著に低かった。
• 実世界のデプロイメントにおいて、APPLDが生成した軌道は、デフォルト設定およびエキスパートチューニング設定よりも、ヒューマンデモレーターの経路に質的に近かった。
• CHAMPが変化点を検出しなかったため、均一な通路環境（BWIBot）においても、1つのパラメータセットを学習し、適切な場所で文脈認識が機能した。
• APPLDは、dwaとe-bandの異なるナビゲーションシステム間でも一般化を示し、コア学習フレームワークの変更なしに適応可能であった。
• デモレーターの目的が速度ではなく（例：オフィスの通路で滑らかで直線的なナビゲーション）、多様なナビゲーション目的に対してもロバストであることが実証された。