[論文レビュー] Exploration of Indoor Environments Predicting the Layout of Partially Observed Rooms

Matteo Luperto, Luca Fochetta+1 more|arXiv (Cornell University)|Apr 15, 2020

Robotics and Sensor-Based Localization参考文献 28被引用数 4

ひとこと要約

本稿では、部分的に観測された屋内部屋のレイアウトを幾何学的規則性を用いて予測する、モバイルロボット向けの新規な探索戦略を提案する。この戦略により、予測された可視領域に基づいて次善の視点を選択し、新たな空間が得られないと予測される場合には早期終了を実行することで、地図作成を高速化する。この手法は、特にレイアウト予測が高精度になる後半の段階で、探索時間を顕著に短縮する。

ABSTRACT

We consider exploration tasks in which an autonomous mobile robot incrementally builds maps of initially unknown indoor environments. In such tasks, the robot makes a sequence of decisions on where to move next that, usually, are based on knowledge about the observed parts of the environment. In this paper, we present an approach that exploits a prediction of the geometric structure of the unknown parts of an environment to improve exploration performance. In particular, we leverage an existing method that reconstructs the layout of an environment starting from a partial grid map and that predicts the shape of partially observed rooms on the basis of geometric features representing the regularities of the indoor environment. Then, we originally employ the predicted layout to estimate the amount of new area the robot would observe from candidate locations in order to inform the selection of the next best location and to early stop the exploration when no further relevant area is expected to be discovered. Experimental activities show that our approach is able to effectively predict the layout of partially observed rooms and to use such knowledge to speed up the exploration.

研究の動機と目的

• 未知の屋内環境における自律的ロボット探索を、部分的に観測された部屋の予測された幾何学的レイアウトを活用することで改善すること。
• 従来のフロンティアベース手法を超えて、予測されたレイアウトを用いて視点選択を最適化することで、探索時間を短縮すること。
• 追加で有意義な空間が得られないと予測される場合に、探索を早期終了させること。
• 事前の床図の知識なしに、リアルタイムの探索意思決定にレイアウト予測を統合すること。
• 観測の完全性が異なる大規模なシミュレーテッド環境および実世界の環境で、この手法を検証すること。

提案手法

• 本手法は、事前に開発されたレイアウト再構築技術を用いて、部分的なグリッドマップから観測領域のレイアウトを再構築する。この技術は部屋を多角形としてモデル化し、ノイズをフィルタリングする。
• 本手法は、オフィスや学校など構造化された屋内環境に共通する幾何学的規則性（共有壁、対称性など）を活用して、部分的に観測された部屋の形状を予測する。
• 予測されたレイアウトを用いて、候補となるフロンティア位置からの予測可視領域（I(p)）を推定し、従来のレーザースキャンのフットプリントのみに依存する手法を改善する。
• 本手法では、レイアウト予測に基づいて、未観測領域が閾値（1 m²）未満に低下した場合に探索を終了する、新規な早期終了（ES）基準を導入する。
• 本手法は、各探索ステップでレイアウト予測を動的に更新し、環境の観測が進むに従い精度を高めていく。
• 本手法は、大規模なシミュレーテッド屋内環境で評価され、先行研究の実世界マップを用いて検証されており、センサーノイズやごみの影響に対しても頑健であることが示された。

実験結果

リサーチクエスチョン

• RQ1 部分的に観測された部屋のレイアウトを予測することで、未知の屋内環境におけるロボット探索の効率が向上するか？
• RQ2 従来のフロンティアベース戦略と比較して、レイアウト予測は次善の視点選択にどのように影響を与えるか？
• RQ3 予測されたレイアウトに基づく早期終了は、マップの完全性を損なわずに、合計探索時間をどの程度短縮できるか？
• RQ4 レイアウト予測の精度は探索の進行に従いどのように変化するか？また、何時ごろから性能向上が顕著に現れるか？
• RQ5 提案手法は、実世界のセンサーノイズや部分的観測を含む実用的状況において、信頼性を持って扱えるか？

主な発見

• 早期終了を環境の90％が探索された段階でトリガーした場合、平均して探索時間を50％短縮できるが、1部の部屋は時折見逃される。
• 95％の探索完全性に達した段階で、早期終了基準を適用した場合、平均して20％の時間短縮が達成され、わずかなレイアウトの不正確さを伴いながらもマップの完成が保証された。
• 環境の約90％が探索された時点までは、ベースライン戦略と同等の性能を示すが、その後の段階では正確なレイアウト予測のおかげで顕著に優れた性能を発揮する。
• 環境の80–90％が把握された段階で、予測されたレイアウトは部分的に観測された部屋の形状を信頼性高く推定でき、効果的な視点評価が可能になる。
• センサーノイズやごみがある実世界マップにおいても、レイアウト予測はノイズを効果的にフィルタリングし、すべてのフロンティアに対して未観測領域の正確な推定を提供した。
• 本手法は、探索意思決定にレイアウト予測を統合することで、特に予測精度が環境の観測に伴い向上するに従い、測定可能な性能向上を達成できることを示している。