[論文レビュー] High-Level Plan for Behavioral Robot Navigation with Natural Language Directions and R-NET

Amar Shrestha, Krittaphat Pugdeethosapol+2 more|arXiv (Cornell University)|Jan 8, 2020

Multimodal Machine Learning Applications参考文献 10被引用数 4

ひとこと要約

本稿では、既知の環境におけるロボットのための高水準な行動計画に自然言語ナビゲーション指示を翻訳する、ゲート付きおよびセルフマッチングアテンションを備えた新しいR-NETベースのモデルを提案する。ナビゲーション空間をランドマークと行動のグラフとしてモデル化することで、最適な順序行動計画を生成するポインタネットを用い、既知および未知の環境ベンチマークの両方で最先端の手法を上回る性能を発揮する。

ABSTRACT

When the navigational environment is known, it can be represented as a graph where landmarks are nodes, the robot behaviors that move from node to node are edges, and the route is a set of behavioral instructions. The route path from source to destination can be viewed as a class of combinatorial optimization problems where the path is a sequential subset from a set of discrete items. The pointer network is an attention-based recurrent network that is suitable for such a task. In this paper, we utilize a modified R-NET with gated attention and self-matching attention translating natural language instructions to a high-level plan for behavioral robot navigation by developing an understanding of the behavioral navigational graph to enable the pointer network to produce a sequence of behaviors representing the path. Tests on the navigation graph dataset show that our model outperforms the state-of-the-art approach for both known and unknown environments.

研究の動機と目的

• ロボットが自然言語の方向指示を実行可能な行動ナビゲーション計画に変換できるようにすること。
• 構造的なナビゲーショングラフ内での自然言語指示を離散的ロボット行動のシーケンスにマッピングする課題に対処すること。
• ニューラルシーケンス生成を用いて、既知および未知の環境における経路計画性能を向上させること。
• 離散的行動アクションの組み合わせ最適化を実現するアテンション機構を活用したポインタネットベースのアプローチを開発すること。

提案手法

• ナビゲーション環境は、ランドマークをノード、ロボット行動をエッジとするグラフとしてモデル化される。
• ゲート付きアテンションおよびセルフマッチングアテンションを備えた修正版R-NETを用いて、自然言語指示を符号化し、行動のシーケンスを予測する。
• ポインタネットは、ナビゲーショングラフ内の離散的アクション集合から選択することで、行動のシーケンスとして経路を生成する。
• 教師あり学習を用いて、入力言語記述を高水準な行動計画にマッピングするように、モデルをエンドツーエンドで訓練する。
• アテンション機構により、シーケンス生成中に指示およびグラフ構造の関連部分に注目できる。
• 本アプローチは、離散的行動アクションの組み合わせ最適化問題として経路計画を扱う。

実験結果

リサーチクエスチョン

• RQ1 ニューラルネットワークは、既知の環境における自然言語ナビゲーション指示を、ロボット行動のシーケンスに効果的にマッピングできるか？
• RQ2 提案されたR-NETモデルは、既存の手法と比較して、未知の環境にどの程度一般化できるか？
• RQ3 ゲート付きアテンションおよびセルフマッチングアテンションは、モデルのナビゲーション計画の理解および生成能力をどの程度向上させるか？
• RQ4 ポインタネットは、離散的行動の集合から最適な経路を選択する組み合わせ最適化問題を効果的に解けるか？

主な発見

• 提案モデルは、既知および未知の環境の両方で、ナビゲーショングラフデータセットにおいて最先端の手法を上回る性能を発揮した。
• ゲート付きアテンションおよびセルフマッチングアテンションの統合により、モデルの複雑な自然言語指示の理解能力が向上した。
• ポインタネットは、ロボットナビゲーション用に妥当かつ最適な行動シーケンスを効果的に生成した。
• モデルは未観測環境に対しても強固な一般化能力を示し、優れた一般化能力を有していることがわかった。