[論文レビュー] Differentiable Spatial Planning using Transformers

Devendra Singh Chaplot, Deepak Pathak+1 more|arXiv (Cornell University)|Dec 2, 2021

Robotic Path Planning Algorithms被引用数 6

ひとこと要約

本論文は、障害物マップにおける長距離の空間的依存関係を捉えることで、効率的でデータ駆動型のパスプランニングを可能にする微分可能でアテンションベースのプランナ―、Spatial Planning Transformers (SPT) を提案する。自己アテンションを用いて遮蔽のない距離にわたり値を伝搬させることで、SPT は計画の反復回数を O(D) から O(n_O) に削減し、ナビゲーションおよび操作タスクにおいて、先行する学習済みプランナーよりも 7–19% の絶対的精度向上を達成する。

ABSTRACT

We consider the problem of spatial path planning. In contrast to the classical solutions which optimize a new plan from scratch and assume access to the full map with ground truth obstacle locations, we learn a planner from the data in a differentiable manner that allows us to leverage statistical regularities from past data. We propose Spatial Planning Transformers (SPT), which given an obstacle map learns to generate actions by planning over long-range spatial dependencies, unlike prior data-driven planners that propagate information locally via convolutional structure in an iterative manner. In the setting where the ground truth map is not known to the agent, we leverage pre-trained SPTs in an end-to-end framework that has the structure of mapper and planner built into it which allows seamless generalization to out-of-distribution maps and goals. SPTs outperform prior state-of-the-art differentiable planners across all the setups for both manipulation and navigation tasks, leading to an absolute improvement of 7-19%.

研究の動機と目的

• 現実世界の環境における統計的パターン（例：壁の整列、空間的一致性）を捉えるデータ駆動型で微分可能なプランナ―の開発。
• 完全な真値マップを必要とし、動的環境下で遅い古典的プランナ―の限界を克服すること。
• 真値マップの教師なしで、トラジェクトリーデータからエンドツーエンドの学習を可能とし、分布外のマップへの一般化を可能とすること。
• 局所的で反復的な値伝搬（例：CNN を用いたもの）を長距離アテンションベースの伝搬に置き換えることで、計画の効率性を向上させること。
• 疎でノイジーな教師信号のもとで、ナビゲーションおよびロボット操作タスクにおいて、強力な一般化性能と性能向上を実証すること。

提案手法

• SPT は、全障害物マップにわたる空間的関係をモデル化するため、マルチヘッド自己アテンションを用いた変換器アーキテクチャを採用し、長距離の値伝搬を可能にする。
• モデルは障害物マップを空間的トークンの集合として処理し、各トークンが他のすべてのトークンに注目する。これにより、障害物が経路を遮らない場合に距離値を直接伝搬できる。
• 畳み込みネットワークが局所的近傍でのみ値を伝搬するのに対し、SPT のアテンション機構により、O(n_O) 回の反復で済むようになり、D がパス長であるのに対し、n_O は障害物数である。
• 微分可能な計画損失を用いてエンドツーエンドで訓練することで、計画経路を介した逆誤差伝搬が可能となり、パス精度の最適化が可能になる。
• 未知マップ設定では、SPT は学習済みマッパーと統合され、エンドツーエンドのフレームワークとして機能し、生観測値とトラジェクトリーデータから、マップ構築と計画を同時に実行可能になる。
• モデルはナビゲーション（例：Gibson データセット）および操作（配置空間）タスクの両方で評価され、マップサイズ、ノイズ、教師信号レベルのアブレーションも実施されている。

実験結果

リサーチクエスチョン

• RQ1 長距離空間的アテンションを活用することで、畳み込みベースのプランナーよりも計画精度と推論速度で優れる変換器ベースのプランナ―が実現可能か？
• RQ2 真値マップの教師なしで学習した微分可能なプランナ―が、分布外のマップへどの程度一般化可能か？
• RQ3 アテンションベースと局所的伝搬のプランナ―において、マップサイズや障害物数の増加に伴い、計画反復回数はどのように変化するか？
• RQ4 トラジェクトリーデータと疎な教師信号のみを用いたマッパー・プランナーシステムのエンドツーエンド学習が、現実世界の環境で高い性能を達成できるか？
• RQ5 長距離空間的依存関係を推論できる能力が、ノイズや疎な観測下でもパス精度と耐障害性の向上に顕著な効果をもたらすか？

主な発見

• SPT は、全テスト済みナビゲーションおよび操作設定において、先行する最先端の学習済みプランナ―（VIN および GPPN）を上回り、7–19% の絶対的精度向上を達成した。
• SPT は、最短パス距離 D と障害物数 n_O の関係で、計画に必要な反復回数を O(D) から O(n_O) に削減し、大規模マップ上での推論を高速化した。
• ノイズや疎な教師信号のもとでのエンドツーエンドのマッピングと計画において、SPT はベースラインより高い平均マッピング精度および計画精度を達成し、不完全なマップ情報に対しても耐障害性を示した。
• 真値マップの教師なしで学習した SPT は、分布外のマップへも効果的に一般化でき、実世界データからの実世界展開の可能性を示した。
• SPT は畳み込みベースのベースラインよりもマップサイズの増大に対して著しく良好にスケーリングされ、大規模で複雑な環境でも高い精度を維持した。
• アブレーションスタディの結果、長距離アテンションが性能に不可欠であることが確認され、局所的伝搬に依存するモデルは、大規模マップでは一般化に失敗するか、過剰な反復を要することが分かった。