[論文レビュー] Door Delivery of Packages using Drones.

Shyam Sundar Kannan, Byung‐Cheol Min|arXiv (Cornell University)|Apr 12, 2021

Robotics and Sensor-Based Localization参考文献 16被引用数 5

ひとこと要約

本論文では、外部のマーカーに依存せずに、セマンティックセグメンテーションを用いて自律的に特定の屋内配達場所を同定し、ナビゲートするドローン配達システムを提案する。自然言語の指示を解釈し、ディープラーニングを用いて安全な降下位置を推定することで、ドローンはシミュレーション環境で前戸などの目的の場所に自律的にルーティングし、マーカーなしで指示に基づく配達を実現した。

ABSTRACT

In this work, we present a system that enables delivery drones to autonomously navigate and deliver packages at various locations around the house. The objective of this to reach a specific location in the house where the recipient wants the package to be delivered by the drone without the use of any external markers as currently used. This work is motivated by the recent advancements in semantic segmentation using deep learning that can potentially replace the specialized marker used by the current delivery drone for identifying the place where it needs to deliver the package. The proposed system is more natural in the sense that it takes an instruction input on where to deliver the package similar to the instructions provided to the human couriers. We propose a semantic segmentation-based lowering location estimator that enables the drone to find a safe spot around the house to lower from higher altitudes. Following this, we propose a strategy for visually routing the drone from the location where it lowered to a specific location like the front door of the house where it needs to deliver the package. We extensively evaluate the proposed approach in a simulated environment that demonstrates that the delivery drone can deliver the package to the front door and also to other specified locations around the house.

研究の動機と目的

• 外部のマーカーに依存せずに、ドローンが特定の屋内場所にパッケージを配達できるようにすること。
• マーカーに基づくローカライゼーションをセマンティックセグメンテーションに置き換えることで、より自然で人間らしい配達指示を可能にすること。
• 自然言語の配達指示を解釈し、家庭内の物理的場所にマッピングするシステムを開発すること。
• 安全な降下地点から最終的な配達目的地への自律的ビジュアルルーティングを可能にすること。
• リアルなシミュレーテッド屋内環境において、システムのパフォーマンスを評価すること。

提案手法

• システムは、視覚入力を用いて、家の中の潜在的な安全な降下地点をセマンティックセグメンテーションにより同定する。
• 降下地点推定器は、ドローンが高高度から降下するのに最も適した場所を選択する。
• ドローンは視覚ナビゲーションを用いて、降下地点から最終的な配達場所（例：玄関）へルーティングする。
• システムは自然言語の指示を処理し、環境内での目的の配達地点を特定する。
• シミュレーション環境を用いて、ドローンのナビゲーションおよび配達の正確性を訓練および評価する。
• ディープラーニングモデルを用いて、視覚的シーンおよび空間的指示を解釈し、ローカライゼーションとルーティングを実現する。

実験結果

リサーチクエスチョン

• RQ1 ドローンは、セマンティックセグメンテーションと視覚入力のみを用いて、家の中の安全な降下地点を正確に同定できるか？
• RQ2 ドローンは、視覚的ヒントのみを用いて、降下地点から玄関などの指定された屋内場所へナビゲートできるか？
• RQ3 外部マーカーに依存せずに、システムは特定の場所へのパッケージ配達をどれほどうまく実行できるか？
• RQ4 自然言語の指示が、屋内環境における物理的配達地点にどれほど効果的にマッピングできるか？
• RQ5 システムのパフォーマンスは、異なる屋内環境や配達場所においてどのように変動するか？

主な発見

• ドローンは、シミュレーテッド環境でセマンティックセグメンテーションを用いて安全な降下地点を正常に同定した。
• システムは、降下地点から目的の配達場所（例：玄関）への正確なビジュアルルーティングを可能にした。
• 外部マーカーに依存せずに、ドローンは指定された屋内場所への成功した配達を達成した。
• ディープラーニングとビジュアルナビゲーションを用いた、マーカーなしで指示ベースの屋内ドローン配達の実現可能性が示された。
• シミュレーションの結果、システムは多様な屋内環境と配達ポイントを処理できることを確認した。
• 従来のマーカー依存システムと比較して、より自然でスケーラブルな配達体験を実現できるようになった。