[論文レビュー] Learning Monocular Reactive UAV Control in Cluttered Natural Environments

Stéphane Ross, Narek Melik-Barkhudarov+5 more|arXiv (Cornell University)|Nov 7, 2012

Robotics and Sensor-Based Localization被引用数 4

ひとこと要約

本論文では、単一の低コストカメラのみを用いて、密度の高い森環境を1.5 m/sの高速度で自律飛行可能な、マイクロエアロダルビークル（MAVs）向けの単眼リアクティブ制御システムを提示する。本手法は、人間パイロットのドリルを用いて学習した、新たな模倣学習手法であるDAggerを活用し、未確認の障害物に対しても一般化可能なヘディング制御ポリシーを学習する。結果として、680本以上の木々を避けながら3.4 kmの飛行を安全に実現した。

ABSTRACT

Autonomous navigation for large Unmanned Aerial Vehicles (UAVs) is fairly straight-forward, as expensive sensors and monitoring devices can be employed. In contrast, obstacle avoidance remains a challenging task for Micro Aerial Vehicles (MAVs) which operate at low altitude in cluttered environments. Unlike large vehicles, MAVs can only carry very light sensors, such as cameras, making autonomous navigation through obstacles much more challenging. In this paper, we describe a system that navigates a small quadrotor helicopter autonomously at low altitude through natural forest environments. Using only a single cheap camera to perceive the environment, we are able to maintain a constant velocity of up to 1.5m/s. Given a small set of human pilot demonstrations, we use recent state-of-the-art imitation learning techniques to train a controller that can avoid trees by adapting the MAVs heading. We demonstrate the performance of our system in a more controlled environment indoors, and in real natural forest environments outdoors.

研究の動機と目的

• センサーパイロットを最小限に抑えた状態で、複雑な自然環境におけるマイクロエアロダルビークル（MAVs）の自律的かつ高速飛行を可能にすること。
• 小型のMAVsに不適切なほど重く、高消費電力である伝統的な深度センサ（例：ライダー、RGB-D）の限界を克服すること。
• 訓練中に遭遇しなかった新しい障害物シナリオにおいても、専門家のドリルを超えて一般化するリアクティブ制御ポリシーを開発すること。
• 単眼視覚入力のみを用いて、実際の屋外の森環境で、堅牢な性能を示すことを実証すること。
• 3次元マッピングや高レベルの計画が失敗した場合に機能する、低レベルのリアクティブ制御レイヤーを提供すること。

提案手法

• DAgger（データセット集約）と呼ばれる、分布外の状態における専門家のフィードバックを統合することで、反復的に性能を向上させる最先端の模倣学習アルゴリズムを用いて、リアクティブヘディング制御ポリシーを訓練した。
• 単眼カメラの画像から視覚特徴を抽出し、識別的ポリシー・ネットワークを介して制御命令（ヘディング調整）にマッピングした。
• 専門家のドリルを初期ポリシーの出発点として用い、実運用中に新しい障害物配置に対応するためのオンライン補正を実施した。
• 光流およびドリフト特徴を適用し、運動と機体状態の認識を向上させ、障害物回避意思決定を強化した。
• 訓練および評価を、屋内モーションキャプチャ環境と実際の屋外の森環境の両方で実施し、堅牢性および一般化性能を検証した。
• 最小限の遅延で、搭載型MAVの計算に適した軽量でリアルタイムの推論パイプラインを採用した。

実験結果

リサーチクエスチョン

• RQ1 模倣学習で訓練された単眼ビジョンシステムは、密度の高い自然の森環境を安全に高速で飛行可能か？
• RQ2 模倣学習ポリシーは、専門家のドリルで見られなかった障害物配置にどの程度一般化できるか？
• RQ3 実際の屋外条件下において、リアクティブ制御ポリシーの障害物回避距離および障害発生率の性能はいかがなものか？
• RQ4 狭い視野角やセンサの遅延といった課題に対し、高速飛行においてシステムはどのように対処するか？
• RQ5 アクティブセンサ（例：ライダー、RGB-D）を用いたシステムと比較して、純粋に視覚的で低コストなシステムは、密度の高い森環境で同等または優れた性能を示せるか？

主な発見

• 本システムは、屋外の森環境で3.4 km以上飛行し、680本以上の木々を衝突なしに避けた。
• 視野が狭い、葉が茂っているなどの要因を含めたすべての障害タイプを考慮した場合、平均障害発生までの飛行距離は約40メートルに達した。
• 視野が狭い、葉が茂っているなどの要因による障害を除いた場合、平均障害発生までの飛行距離は120メートルにまで上昇し、構造的障害物に対する優れた性能を示した。
• ドローンは62%の木々に対して意図的に回避行動を取った（つまり、意図的な回避操作を実施した）が、これは人間パイロットの66%の回避率と非常に近い値であり、行動の模倣が優れていたことを示している。
• 木々の密度が高く、前進速度も速い状況でも、スカスカの地域と比較して性能がわずかに劣るにとどまり、環境の複雑さに対して強い耐性を示した。
• 本システムは、DAggerに基づく模倣学習が、特に運用中の補正フィードバックを組み込むことで、新しい障害物シナリオへの一般化を効果的に実現できることを示した。