[論文レビュー] Are We Ready for Service Robots? The OpenLORIS-Scene Datasets for Lifelong SLAM

Xuesong Shi, Dongjiang Li+16 more|arXiv (Cornell University)|Nov 13, 2019

Robotics and Sensor-Based Localization参考文献 24被引用数 19

ひとこと要約

本稿では、屋内環境におけるRGB-D、IMU、LiDARセンサを用いて時間経過に伴う現実世界のシーン変化を捉えた、長期間にわたるSLAMのためのOpenLORIS-Sceneデータセットとベンチマークを紹介する。ローカライゼーションの耐障害性と正確性を別々に評価するための新しい指標を提案し、既存のSLAMシステムが視点、照明、物体の変化に対して顕著に脆弱であることが明らかになった。特に再ローカライゼーションタスクにおいて顕著である。

ABSTRACT

Service robots should be able to operate autonomously in dynamic and daily changing environments over an extended period of time. While Simultaneous Localization And Mapping (SLAM) is one of the most fundamental problems for robotic autonomy, most existing SLAM works are evaluated with data sequences that are recorded in a short period of time. In real-world deployment, there can be out-of-sight scene changes caused by both natural factors and human activities. For example, in home scenarios, most objects may be movable, replaceable or deformable, and the visual features of the same place may be significantly different in some successive days. Such out-of-sight dynamics pose great challenges to the robustness of pose estimation, and hence a robot's long-term deployment and operation. To differentiate the forementioned problem from the conventional works which are usually evaluated in a static setting in a single run, the term extit{lifelong SLAM} is used here to address SLAM problems in an ever-changing environment over a long period of time. To accelerate lifelong SLAM research, we release the OpenLORIS-Scene datasets. The data are collected in real-world indoor scenes, for multiple times in each place to include scene changes in real life. We also design benchmarking metrics for lifelong SLAM, with which the robustness and accuracy of pose estimation are evaluated separately. The datasets and benchmark are available online at https://lifelong-robotic-vision.github.io/dataset/scene.

研究の動機と目的

• 人間の活動や環境の変化に起因するシーン変化を含む、長期的かつ動的な現実世界の条件下でSLAMシステムを評価する分野におけるギャップを埋める。
• 照明、視点、移動可能な物体、動的な要素の時間的変化を捉えるために、1つのシーンに複数のシーケンスを提供する公開データセットを提供する。
• 従来の正確性評価に特化した指標とは異なり、正しく再ローカライズされた率を明示的に評価する新しいベンチマーク指標を導入する。
• 制御されたおよび制御されていないシーン変化の下で、長期間SLAMアルゴリズムの体系的評価を可能にし、アルゴリズムの弱みを特定する。
• サービスロボットのための将来的な研究を支援する、長期的シーン理解、インクリメンタル学習、時空間モデリング。

提案手法

• 屋内シーンを複数回訪問することで、シーンのダイナミクスを捉えるために、車輪式ロボットを用いてマルチモーダルセンサデータ（RGB-D、ステレオフィッシュアイ、IMU、ホイールオドメトリ、LiDAR）を収集する。
• トラジェクトリの監視のため、モーションキャプチャシステム（MCS）またはLiDARによる高精度な真値ポーズを用いる。
• 2つの主要な指標を備えたベンチマークを設計：正確性のためのATE（絶対トラジェクトリ誤差）と、再ローカライゼーション成功を評価する新しい正解率指標（C^{0.3,∞}S^{60}-R）。
• 一要因（例：視点、照明、物体の有無）のみが異なるシーケンスペアを選択することで、制御された実験を実施し、課題を分離する。
• 標準的なSLAMアルゴリズム（ORB-SLAM2、DS-SLAM、VINS、InfiniTAMv2）を、真値へのトラジェクトリアライメントを伴ってデータセットに適用し、評価を実施する。
• 一貫したパイプラインを採用：推定トラジェクトリをSVDベース変換により真値にアライメントし、誤差と正解率指標を計算する。

実験結果

リサーチクエスチョン

• RQ1 同じシーンが照明、視点、または物体配置の変化を経て再訪問された場合、既存のSLAMアルゴリズムは再ローカライゼーションタスクでどの程度の性能を示すか？
• RQ2 視点、照明、物体の有無、または動的な人物といった環境要因の中で、長期間運用におけるSLAMの耐障害性を最も著しく低下させる要因は何か？
• RQ3 現在のSLAMシステムは、大きなドリフトやシーン変化の後、どの程度再ローカライズに失敗するのか？また、センサモダリティによってその傾向はどのように異なるか？
• RQ4 提案された正解率指標は、累積ドリフトが大きなトラジェクトリの初期および最終部における誤ったローカライゼーションを的確に特定できるか？
• RQ5 RGB-DとステレオフィッシュアイとIMUなどの異なるセンサ構成は、SLAMシステムが長期間にわたるシーン変化に対処する能力にどのように影響するか？

主な発見

• 『オフィス』と『マーケット』のシーンにおいて、2番目から5番目のシーケンスで大多数のアルゴリズムが完全に再ローカライズに失敗しており、現実のシーン変化下での深刻な耐障害性の問題が示された。
• 『オフィス』シーンの実験では、視点の変更と照明の変化が最も困難な要因であり、これらの条件下でORB-SLAM2（ステレオ）とORB-SLAM2（RGB-D）の再ローカライズスコアは0にまで低下した。
• DS-SLAMとVINS（カラー）は、物体の変更のみの場合に高い再ローカライズスコア（それぞれ0.994と0.997）を達成しており、静的物体の変化をよりうまく処理していることが示唆された。
• VINS（フィッシュアイ）バージョンは、すべての制御要因で完全に失敗しており、広角歪みや幾何的変化に対する感受性が高く、耐障害性に欠けていることが示された。
• 正解率指標は、長大なトラジェクトリの初期および最終部における誤ったローカライゼーションを的確に特定でき、大規模なシーンではATEの閾値を大きくとる必要があることを示した。
• 結果から、現在のSLAMシステムは、微細な照明の変化にとどまらないシーン変化が生じる現実世界の長期間運用には十分に耐えられないことが明らかになった。