[論文レビュー] FutureMapping: The Computational Structure of Spatial AI Systems

Andrew J. Davison|arXiv (Cornell University)|Mar 29, 2018

Robotics and Sensor-Based Localization参考文献 48被引用数 32

ひとこと要約

本論文は、将来の空間認識AIシステム—ロボットやARデバイスに不可欠な技術—が、SLAMから進化し、幾何学的および意味的認識を統合した持続的でメトリックな3次元シーン表現へと発展すると提案する。研究と実世界の製品要件の間の性能ギャップを埋えるために、アルゴリズム、センサー、異種プロセッサの共同最適化を提唱する。

ABSTRACT

We discuss and predict the evolution of Simultaneous Localisation and Mapping (SLAM) into a general geometric and semantic `Spatial AI' perception capability for intelligent embodied devices. A big gap remains between the visual perception performance that devices such as augmented reality eyewear or comsumer robots will require and what is possible within the constraints imposed by real products. Co-design of algorithms, processors and sensors will be needed. We explore the computational structure of current and future Spatial AI algorithms and consider this within the landscape of ongoing hardware developments.

研究の動機と目的

• 現在および将来の空間認識AIシステムの計算的構造を分析すること、特に実世界のハードウェア制約の文脈において。
• ARアイウェアや家庭用ロボットなどのコンsumerグレードデバイスに高パフォーマンスの視覚認識を展開する際の主な課題を特定すること。
• 従来のSLAMベンチマークから、実アプリケーションのニーズを反映するマルチオブジェクティブなパフォーマンス指標へと移行すべきだと主張すること。
• 効率的で低消費電力の空間認識AIシステムを実現するため、アルゴリズム、プロセッサ、センサーの共同最適化を提唱すること。
• 空間認識AIが知的で身体的なデバイスの基盤となる包括的で汎用的な認識層としての今後の発展トレンドを予測すること。

提案手法

• リアルタイム3次元シーン推定分野における数十年にわたる一貫した進歩を根拠に、SLAMから空間認識AIへの進化が、将来の認識システム設計の最良の指針であると提唱する。
• 精度、遅延、耐障害性、消費電力、データ移動量といった指標を含む、マルチオブジェクティブなベンチマークフレームワークを導入し、従来の精度中心の評価から脱却する。
• SLAMBenchおよびSLAMBench2フレームワークを、多様なプロセッサとアルゴリズム実装を対象としたSLAMシステムの評価に基礎とするツールとして使用する。
• 将来の効率的性能向上のため、アルゴリズムとデータ構造におけるスパースグラフパターンの特定を提唱し、新興の異種ハードウェアと整合させる。
• 将来の空間認識AIシステムは、長期記憶、計画、相互作用を可能にする持続的かつメトリックに正確な3次元シーン表現を構築すべきだと提言する。
• ユダ・ペールの因果的メンタルモデルの概念にインspiredされ、リアルタイム動作と仮想的推論（例：心的シミュレーション）の両方をサポートするシステムの必要性を強調する。

実験結果

リサーチクエスチョン

• RQ1 SLAMシステムは、動的な環境において長期的で目的指向の相互作用を可能にする一般用途の空間認識AIシステムへとどのように進化できるか？
• RQ2 現在のSLAMシステムが、ARアイウェアや家庭用ロボットなどのコンsumerグレードデバイスにスケーリングできない主な計算的・ハードウェア的制約は何か？
• RQ3 精度以外の要因（耐障害性、遅延、消費電力効率など）を反映するよう、ベンチマークフレームワークをどのように再定義できるか？
• RQ4 アルゴリズム、センサー、プロセッサの共同最適化が、実製品向けに効率的で低消費電力の空間認識AIを実現するために果たす役割は何か？
• RQ5 AR、ロボット、インテリジェントアシスタントなど多様な応用分野において、実世界の空間認識AIパフォーマンスを最も的確に予測する指標は何か？

主な発見

• 最高水準のSLAM研究と、コンsumerグレードデバイスの要件との間に、依然として顕著な性能ギャップが存在する。これは、高価なセンサーと無制限の計算リソースを用いても同様である。
• 現在のSLAMベンチマークは不十分である。精度に限定して評価され、しばしば有利なテストシーケンスを選抜するため、誤ったパフォーマンス主張を生じがちである。
• SLAMBenchおよびSLAMBench2は、多様なハードウェアプラットフォームをカバーする精度と計算コストの両方を測定することで、SLAMシステムの包括的評価を可能にする。
• 本論文は、トラッキングの耐障害性、再ロケーション成功率、ポーズ再現性、消費電力といったマルチオブジェクティブ指標が、実世界のシステムパフォーマンスを予測するために不可欠であると特定する。
• 将来の空間認識AIシステムは、ロケーションだけでなく、計画、記憶、相互作用を可能にする持続的かつメトリックに正確な3次元シーン表現を構築すべきである。
• 効率的な空間認識AIは、特にスパースグラフを含むアルゴリズム的データ構造を、新興の異種プロセッサアーキテクチャと整合させることで、データ移動量とエネルギー消費を最小限に抑えることに依存する。