[論文レビュー] Benchmarking Classic and Learned Navigation in Complex 3D Environments

Dmytro Mishkin, Alexey Dosovitskiy+1 more|arXiv (Cornell University)|Jan 30, 2019

Robotics and Sensor-Based Localization参考文献 50被引用数 41

ひとこと要約

本論文は、クラシックなモジュラー型ナビゲーション・パイプラインを、学習型エージェントおよび人間のパフォーマンスと比較し、 varied indoor 3D environments でRGB-Dを搭載したクラシックナビゲーションがしばしば学習ベースの方法より優れている一方で、学習型ナビゲーションは限られた感覚情報下でより頑健であり、 humans は両者を上回る、という結論を示している。

ABSTRACT

Navigation research is attracting renewed interest with the advent of learning-based methods. However, this new line of work is largely disconnected from well-established classic navigation approaches. In this paper, we take a step towards coordinating these two directions of research. We set up classic and learning-based navigation systems in common simulated environments and thoroughly evaluate them in indoor spaces of varying complexity, with access to different sensory modalities. Additionally, we measure human performance in the same environments. We find that a classic pipeline, when properly tuned, can perform very well in complex cluttered environments. On the other hand, learned systems can operate more robustly with a limited sensor suite. Overall, both approaches are still far from human-level performance.

研究の動機と目的

• クラシックなモジュラー型ナビゲーションとエンドツーエンドの学習型ナビゲーションが、混雑した室内の3D環境でどのように機能するかを評価する。
• 各アプローチのロバスト性を、センサ modality（なし、RGB、RGB-D）で評価する。
• 同じ環境で人間のナビゲーション性能をベンチマークとして定量化する。
• ハイブリッド（クラシック＋学習）アプローチが、両者の長所を活かせるか検討する。

提案手法

• クラシックなモジュラー型ナビゲーション・パイプライン（マッピング、ローカライゼーション、プランニング、ロコモーション）を実装し、ローカライゼーションにORBSLAM2、プランニングにD* Liteを採用する。
• Direct Future Prediction（DFP）および解釈性のためのBelief DFPバリアントに基づくエンドツーエンドの学習エージェントと比較する。
• MINOSシミュレータ上で、SunCG（EmptyとFurnished）およびMatterport3D環境をRGB、RGB-D、その他のセンサ入力で評価する。
• 利用可能な場合にはグラウンドトゥルースの姿勢と地図を提供し、異なる情報レジーム下での性能を分析する。
• SPL、成功率、ペースなどの指標で性能を測定し、人間の性能と比較する。
• クラシック・パイプラインを補強する深度推定法（モノクル・ステレオ）を試し、RGB入力を拡張する。

実験結果

リサーチクエスチョン

• RQ1 クラシックなモジュラー型ナビゲーション・パイプラインは、混雑した3D環境における学習型エージェントと比べて、成功と効率の点でどのように異なるか。
• RQ2 センサ modality（RGB対RGB-D）は、各アプローチの頑健性と性能にどのように影響するか。
• RQ3 RGBからの深度推定は、クラシックSLAMベースのナビゲーションをどの程度改善できるか。
• RQ4 同様のタスクに対して、人工的なナビゲーションシステムは人間の性能にどれほど近づくか。

主な発見

• RGB-D入力を用いたクラシックパイプラインは、混雑した環境で一般的に学習アプローチを上回る。
• 学習エージェントはRGB入力のみのとき、クラシックRGBベースラインよりも良い性能を示し、感覚情報が制限された場合の頑健性を示唆する。
• 深度情報はクラシックナビゲーションの performance を著しく向上させるが、RGBのみのSLAMはローカリゼーションの失敗を招きやすい。
• RGB-D入力と姿勢/地図情報を組み合わせるとクラシックナビゲーションはさらに改善するが、RGBからの深度推定は部分的に性能を回復させることができる。
• 人間はすべての環境と指標で、人工的アプローチの両方を上回り、自律ナビゲーションにはまだギャップが残ることを示している。