[論文レビュー] Deep-Learned Collision Avoidance Policy for Distributed Multi-Agent Navigation

Pinxin Long, Wenxi Liu+1 more|arXiv (Cornell University)|Sep 22, 2016

Robotic Path Planning Algorithms参考文献 21被引用数 11

ひとこと要約

本論文は、ノイズの多いセンサ入力を衝突のないステアリング速度にマップする深層ニューラルネットワークを訓練することで、分散型マルチエージェントナビゲーションのエンドツーエンド衝突回避ポリシーを提案する。この手法は、静的障害物やサイズの異なるエージェントを含む未学習のシナリオにも良好に一般化され、パrameterチューニングが不要な点でORCAを凌駆する。

ABSTRACT

High-speed, low-latency obstacle avoidance that is insensitive to sensor noise is essential for enabling multiple decentralized robots to function reliably in cluttered and dynamic environments. While other distributed multi-agent collision avoidance systems exist, these systems require online geometric optimization where tedious parameter tuning and perfect sensing are necessary. We present a novel end-to-end framework to generate reactive collision avoidance policy for efficient distributed multi-agent navigation. Our method formulates an agent's navigation strategy as a deep neural network mapping from the observed noisy sensor measurements to the agent's steering commands in terms of movement velocity. We train the network on a large number of frames of collision avoidance data collected by repeatedly running a multi-agent simulator with different parameter settings. We validate the learned deep neural network policy in a set of simulated and real scenarios with noisy measurements and demonstrate that our method is able to generate a robust navigation strategy that is insensitive to imperfect sensing and works reliably in all situations. We also show that our method can be well generalized to scenarios that do not appear in our training data, including scenes with static obstacles and agents with different sizes. Videos are available at https://sites.google.com/view/deepmaca.

研究の動機と目的

• 完全なセンシングと広範なパrameterチューニングに依存する従来の分散型マルチエージェント衝突回避システムの限界を克服すること。
• 不完全なセンサデータを伴う複雑で動的な環境でも信頼性高く動作するスケーラブルでリアルタイムなナビゲーションポリシーを開発すること。
• 再トレーニングなしで静的障害物やサイズの異なるエージェントを含む未学習のシナリオに一般化できること。
• 中央集権的調整やモーションキャプチャシステムなしに完全に分散型ナビゲーションを実現すること。

提案手法

• ノイズのある2次元LiDAR観測とゴール情報から、リアルタイムに反応的なステアリング速度命令を生成する深層ニューラルネットワークを訓練する。
• エージェント数や障害物の配置が異なる多様な設定を含む、マルチエージェントシミュレータを用いて大規模なデータセットを生成する。
• 合成されたセンサノイズと対称性変換を用いたデータ拡張により、耐性と一般化性能を向上させる。
• 収集した衝突回避軌道に基づき、オフラインで教師あり学習を用いてエンドツーエンドでネットワークを訓練する。
• ARタグや外部ローカライゼーションシステムを一切使用せず、オンボードの2次元LiDARのみを用いて、実機ロボットに直接ポリシーをデプロイする。
• 同一エージェントに同一のポリシーを適用することで、対称的シナリオにおける同期回転などの自己組織的協調行動を誘発する。

実験結果

リサーチクエスチョン

• RQ1 深層ニューラルネットワークは、シミュレーションデータから学習したポリシーが、実世界のノイズの多いセンサ入力に一般化して、頑健で反応的な衝突回避を実現できるか？
• RQ2 学習データに存在しないシナリオ（静的障害物、サイズの異なるエージェントなど）に対して、学習済みポリシーの一般化能力はどの程度か？
• RQ3 センサノイズ下での成功確率、滑らかさ、耐性の観点から、ORCAなどの最先端手法と比較して、学習済みポリシーの性能はどの程度か？
• RQ4 本手法は、中央集権的調整や完全なセンシングなしに完全に分散型ナビゲーションを実現できるか？

主な発見

• ノイズのあるセンサ条件下で8エージェントのサークルシナリオにおいて、学習済みポリシーは100％の成功確率を達成したが、ORCAはエージェントの停止により失敗した。
• 静的障害物を含むシーンに対しても、再トレーニングなしで効果的に一般化され、安全なナビゲーションを維持した。
• サイズの異なるエージェントを含むシナリオでは、相対的なサイズに基づいて動的に経路を調整し、より大きなエージェントは安全を確保するためより大きく迂回した。
• オンボードの2次元LiDARのみを用いて、4台の実機ロボットを用いた実世界実験でも、完全に分散型ナビゲーションが成功した。
• 対称的なポリシーの配置により、ORCAとは異なり独立的で不規則な動きを示すのではなく、同期回転のような自己組織的協調行動が顕在化した。
• トレーニングセットでの精度が約64％であったにもかかわらず、モデルは良好に一般化されたことから、より複雑なアーキテクチャを用いることでさらなる向上が期待できる。