[論文レビュー] Hierarchical Evidence Accumulation in the Pseiki System and Experiments in Model-Driven Mobile Robot Navigation

A.C. Kak, Keith M. Andress+3 more|arXiv (Cornell University)|Mar 27, 2013

Robotics and Sensor-Based Localization参考文献 3被引用数 7

ひとこと要約

本論文では、3次元室内環境における移動ロボットのナビゲーションのためのモデル駆動型、期待に基づく3次元シーン解釈を可能にするPseikiシステムを提示する。視覚的証拠の信念ベース融合を用いて、認識された画像の抽象化と期待される幾何学的階層を一致させることで、実世界の実験において移動ロボットを用いて検証された、きめ細やかな室内ナビゲーションを実現する。

ABSTRACT

In this paper, we will review the process of evidence accumulation in the PSEIKI system for expectation-driven interpretation of images of 3-D scenes. Expectations are presented to PSEIKI as a geometrical hierarchy of abstractions. PSEIKI's job is then to construct abstraction hierarchies in the perceived image taking cues from the abstraction hierarchies in the expectations. The Dempster-Shafer formalism is used for associating belief values with the different possible labels for the constructed abstractions in the perceived image. This system has been used successfully for autonomous navigation of a mobile robot in indoor environments.

研究の動機と目的

• 期待駆動型の視覚的解釈を用いて、室内環境における自律的移動ロボットナビゲーションを可能にすること。
• 認識された画像の抽象化と期待される幾何学的構造を一致させる階層的証拠蓄積フレームワークの開発。
• 視覚的特徴および物体の仮説に対する信念ベース推論にDempster-Shafer形式主義を適用すること。
• 実世界の移動ロボットナビゲーションタスクにおけるシステムの有効性を検証すること。
• 抽象化レベルに跨る構造的な信念伝播を通じて、不確実な視覚環境における耐性を示すこと。

提案手法

• 期待を抽象形状および空間的関係の幾何学的階層として表現すること。
• 低レベルの視覚的特徴を用いて、認識された画像に対応する抽象化階層を構築すること。
• 証拠に基づいて、画像の抽象化の可能性のあるラベルに信念値を割り当てるためにDempster-Shafer理論を適用すること。
• 低レベル特徴から高レベルの物体解釈へと、証拠を階層的に蓄積すること。
• 複数のレベルに跨る信念融合を用いて、曖昧さを解消し、ナビゲーションにおける意思決定を支援すること。
• 実時間でのモデル駆動型ナビゲーションを可能にするために、システムを移動ロボットアーキテクチャに統合すること。

実験結果

リサーチクエスチョン

• RQ1 期待と認識されたシーンとの間で、階層的視覚的抽象化をどのように効果的に一致させることができるか？
• RQ2 複数の視覚的解釈レベルに跨る、頑健な信念蓄積を可能にする形式的枠組みは何か？
• RQ3 モデル駆動型、期待に基づくシステムは、複雑な室内環境でも信頼性のあるナビゲーションを達成できるか？
• RQ4 階層的証拠蓄積は、視覚的不確実性が存在する状況でどのように耐性を向上させるか？
• RQ5 本システムは、実世界の移動ロボットナビゲーションタスクにおいて、どのような性能を示すか？

主な発見

• Pseikiシステムは、期待駆動型の視覚的解釈を用いて、室内環境における移動ロボットの自律的ナビゲーションを成功裏に実現した。
• Dempster-Shafer形式主義を用いた階層的証拠蓄積により、不確実性下でも物体およびシーン解釈の信頼性が向上した。
• 期待される幾何学的階層と認識された画像構造との間で、効果的な一致が実現された。
• 信念値が抽象化レベルに跨って効果的に伝播され、ナビゲーションのための信頼性のある意思決定を支援した。
• 実世界の環境においても耐性があり、実験では成功裏のナビゲーション結果が報告された。
• モデル駆動型の期待と段階的証拠蓄積の統合により、シーン理解およびナビゲーション性能が向上した。