[論文レビュー] Combining Optimal Control and Learning for Visual Navigation in Novel Environments

Somil Bansal, Varun Tolani+3 more|arXiv (Cornell University)|Mar 6, 2019

Robotic Path Planning Algorithms被引用数 96

ひとこと要約

LB-WayPtNav は、ウェイポイントを予測する学習ベースの知覚モジュールと、モデルベースのプランナーおよびLQRベースの追従を組み合わせて、未知の室内環境でナビゲートします。シミュレーションと実機ロボットのテストにおいて、エンドツーエンド学習や純粋な幾何学的マッピングを上回ります。

ABSTRACT

Model-based control is a popular paradigm for robot navigation because it can leverage a known dynamics model to efficiently plan robust robot trajectories. However, it is challenging to use model-based methods in settings where the environment is a priori unknown and can only be observed partially through on-board sensors on the robot. In this work, we address this short-coming by coupling model-based control with learning-based perception. The learning-based perception module produces a series of waypoints that guide the robot to the goal via a collision-free path. These waypoints are used by a model-based planner to generate a smooth and dynamically feasible trajectory that is executed on the physical system using feedback control. Our experiments in simulated real-world cluttered environments and on an actual ground vehicle demonstrate that the proposed approach can reach goal locations more reliably and efficiently in novel environments as compared to purely geometric mapping-based or end-to-end learning-based alternatives. Our approach does not rely on detailed explicit 3D maps of the environment, works well with low frame rates, and generalizes well from simulation to the real world. Videos describing our approach and experiments are available on the project website.

研究の動機と目的

• 明示的な3D地図を使わず、未知で散在する室内環境における自律移動を動機づける。
• 衝突のないウェイポイントを予測する学習と、実現可能な軌道を生成するモデルベースの制御を組み合わせたハイブリッドフレームワークを提案する。
• このアプローチがシミュレーションから実機ロボットへ一般化し、純粋な学習ベースやマッピングベースの基準よりも優れていることを示す。

提案手法

• 知覚モジュール：CNN がロボット座標系での onboard RGB 画像 I_t、現在の速度 u_t、目標点 p_t* から次のウェイポイントを予測する。
• 計画：現在の状態から予測ウェイポイントまで、滑らかな x,y 軌跡を生成するように3次スプラインを適合させ、動的実現性を保証する。
• 追従：LQR コントローラはスプライン軌道の周りでダイナミクスを線形化し、ホライズン H にわたる実行のためのフィードフォワードとフィードバック項を生成する。
• 訓練：訓練時に既知の地図から導出された最適ウェイポイントを用いて知覚を監督し、実世界のラベリングなしでゼロショットのテスト時性能を可能にする。
• 評価：シミュレーションと TurtleBot 2 ハードウェアプラットフォーム上で、End-to-End 学習および幾何マッピング手法と比較する。

実験結果

リサーチクエスチョン

• RQ1 知覚主導のウェイポイント予測器とモデルベースの計画を組み合わせることで、新規で散らかった室内環境において信頼性の高いナビゲーションを達成できるか？
• RQ2 成功率、速度、軌道の滑らかさの観点から、ハイブリッドLB-WayPtNavはエンドツーエンド学習およびマッピングベースの計画とどのように比較されるか？
• RQ3 このアプローチは現実世界の微調整なしで、シミュレーションから実機へ一般化できるか？
• RQ4 スプラインベースの計画とLQR追従を用いることが、制御の滑らかさと外乱に対する堅牢性に与える影響は？

主な発見

エージェント	入力	成功率 (%)	所要時間 (s)	加速度 (m/s^2)	ジャーク (m/s^3)
Expert	Full map	100	10.78 ±2.64	0.11 ±0.03	0.36 ±0.14
LB-WayPtNav (our)	RGB	80.65	11.52 ±3.00	0.10 ±0.04	0.39 ±0.16
End To End	RGB	58.06	19.16 ±10.45	0.23 ±0.02	8.07 ±0.94
Mapping (memoryless)	Depth	86.56	10.96 ±2.74	0.11 ±0.03	0.36 ±0.14
Mapping	Depth + Spatial Memory	97.85	10.95 ±2.75	0.11 ±0.03	0.36 ±0.14

• LB-WayPtNav は、シミュレーションとハードウェアテストの両方で End-To-End 学習より高い成功率と目標到達の高速化を達成する。
• 本手法は、純粋な End-to-End ポリシーと比較して、より滑らかな軌道と低い加速度およびジャークを実現する。
• シミュレーションでは、LB-WayPtNav はメモリーレス深度ベースのマッピング基線を上回り、完璧な深度が利用可能な場合には深度ベースのマッピングの性能に近づく。
• このアプローチは、最小限のドメインギャップでシミュレーションから実機ロボットへ一般化し、テスト時に明示的な3Dマップを必要としない。
• 知覚訓練は既知の地図から導出された最適ウェイポイントを使用し、人間によるラベリングなしで監督を可能にする。