[論文レビュー] Autonomous UAV Navigation with Domain Adaptation.

Jaeyoon Yoo, Yongjun Hong+1 more|arXiv (Cornell University)|Dec 11, 2017

Domain Adaptation and Few-Shot Learning参考文献 68被引用数 6

ひとこと要約

本論文では、ラベルなしの現実世界の画像を必要とせず、多様な屋外環境において自律的に飛行する無人航空機（UAV）を可能にする、敵対的学習を用いたドメイン適応手法を提案する。シミュレートされたドメインと現実のドメイン間の特徴分布を一致させることで、最小限のアノテーションで未確認の環境においても頑健なナビゲーションを実現する。

ABSTRACT

Unmanned Aerial Vehicle(UAV) autonomous driving gets popular attention in machine learning field. Especially, autonomous navigation in outdoor environment has been in trouble since acquiring massive dataset of various environments is difficult and environment always changes dynamically. In this paper, we apply domain adaptation with adversarial learning framework to UAV autonomous navigation. We succeed UAV navigation in various courses without assigning corresponding label information to real outdoor images. Also, we show empirical and theoretical results which verify why our approach is feasible.

研究の動機と目的

• 動的で変化しやすい屋外環境におけるUAV自律飛行のためのラベル付き現実世界データの不足という課題に対処すること。
• 再トレーニングや手動ラベリングなしに、未確認の屋外環境へ一般化可能なUAVを実現すること。
• 合成と現実世界の視覚入力間のドメインシフトを低減するドメイン適応フレームワークを開発すること。
• ラベルなしの現実の屋外画像とドメイン適応済み特徴のみを用いて、効果的なUAVナビゲーションを達成すること。
• 理論的分析と実験的評価を通じて、本手法の実現可能性を検証すること。

提案手法

• 合成（シミュレート済み）と現実の屋外画像の特徴分布を一致させるために、敵対的ドメイン適応フレームワークを採用する。
• トレーニング中に、ソース（シミュレート済み）ドメインとターゲット（現実）ドメインの特徴を区別するドメイン識別ネットワークを活用する。
• ドメインシフトを最小化するように、セグメンテーションまたはナビゲーションポリシー・ネットワークを敵対的損失とともにエンドツーエンドで訓練する。
• 特徴抽出器がドメイン不変の表現を生成するよう、敵対的学習を適用する。
• 推論時に、ラベルなしの現実の屋外画像を活用し、対応するアノテーションが一切不要なナビゲーションを可能にする。
• ドメイン不変の特徴を活用して、多様で未確認の屋外環境への一般化を向上させる。

実験結果

リサーチクエスチョン

• RQ1 敵対的ドメイン適応は、合成と現実世界のUAV視覚入力間のドメインシフトを効果的に低減できるか？
• RQ2 ラベルなしの現実世界データが一切ない状況でも、UAVは未確認の屋外環境をどの程度ナビゲートできるか？
• RQ3 提案されたドメイン適応フレームワークは、多様な現実世界環境への一般化をどのように向上させるか？
• RQ4 本手法の実現可能性を裏付ける理論的および実験的証拠は何か？

主な発見

• 提案手法により、ラベルなしの現実世界の画像を一切必要とせず、さまざまな屋外コースでのUAVナビゲーションが可能になった。
• 実験的結果から、ラベルなしの現実画像のみを用いて、複数の未確認環境でのナビゲーションが成功した。
• 理論的分析により、UAV視覚認識におけるドメイン適応がドメインシフトの低減に実現可能であることが確認された。
• 敵対的ドメイン適応フレームワークは、合成ドメインと現実ドメイン間の特徴分布を効果的に一致させた。
• 動的でかつ以前に確認されていなかった屋外環境に対しても、頑健な一般化性能を達成した。
• 高価な現実世界のアノテーションに依存するのを減らしつつ、ナビゲーション性能を維持した。