[論文レビュー] Learning Obstacle Representations for Neural Motion Planning

Robin Strudel, Ricardo García+4 more|arXiv (Cornell University)|Aug 25, 2020

Robotic Path Planning Algorithms参考文献 43被引用数 12

ひとこと要約

本論文では、センサデータからの3次元点群をPointNetを用いて学習可能な障害物表現として符号化し、強化学習を用いてニューラルモーションポリシーと共同で学習する手法を提案する。運動計画分野で最先端の性能を達成し、成功確率を最大10%向上させるとともに、計算コストを1桁削減する。また、複雑な3次元環境における未確認の静的・動的障害物に対しても一般化可能である。

ABSTRACT

Motion planning and obstacle avoidance is a key challenge in robotics applications. While previous work succeeds to provide excellent solutions for known environments, sensor-based motion planning in new and dynamic environments remains difficult. In this work we address sensor-based motion planning from a learning perspective. Motivated by recent advances in visual recognition, we argue the importance of learning appropriate representations for motion planning. We propose a new obstacle representation based on the PointNet architecture and train it jointly with policies for obstacle avoidance. We experimentally evaluate our approach for rigid body motion planning in challenging environments and demonstrate significant improvements of the state of the art in terms of accuracy and efficiency.

研究の動機と目的

• 事前に障害物の知識が得られない未知で動的な環境におけるセンサベースの運動計画の課題に取り組む。
• 部分的なセンサ観測からロバストな障害物表現を学習することで、ニューラルモーションプランニングの一般化性能と効率を向上させる。
• 未確認の物体形状や動的障害物を含む複雑な3次元環境において、リアルタイムかつサンプル効率の良い運動計画を実現する。
• RRTや事前に定義された表現に依存する従来手法の限界を克服する。これらは動的シーンに対応できず、推論時に多数のサンプリングを要する。
• 障害物符号化とモーションポリシーの共同学習が、既存手法と比較して優れた性能と高速な推論を達成することを示す。

提案手法

• 深度センサを用いて可視表面から点群をサンプリングし、点と表面法線を含む3次元点群として障害物を表現する。
• PointNetニューラルネットワークアーキテクチャを用いて点群表現を符号化し、グローバルかつ順列不変な特徴埋め込みを生成する。
• 密度の高い報酬と負の衝突ペナルティを用いて、Soft Actor-Critic (SAC) の強化学習フレームワーク内で障害物エンコーダーとモーションポリシーを共同で学習する。
• 行動クローンと強化学習の両方を用いてポリシーを学習し、示範データからのデータ効率の良いポリシー学習と、相互作用による自己改善を可能にする。
• 局所的またはグローバルな障害物観測を処理できるネットワーク設計により、計画における観測範囲の柔軟性を確保する。
• サンプリングベースのベースラインと比較して、パス上のノード数（平均20個）を最小限に抑えることで、リアルタイム推論を最適化する。

実験結果

リサーチクエスチョン

• RQ1 深層ニューラルネットワークは、生の点群データから一般化可能な障害物表現を学習可能であり、未知環境における運動計画性能を向上させることができるか？
• RQ2 共同で学習された障害物エンコーダーとモーションポリシーは、最先端の手法と比較して、成功確率と計算効率の面でどのように差をつけるか？
• RQ3 合成3次元ボックス障害物で学習したポリシーは、新たな物体形状（例：球体、円筒体）やYCBデータセットの実世界オブジェクトを含む環境へどの程度一般化できるか？
• RQ4 提案手法はリアルタイムで動的障害物を処理可能か？また、このような状況下でRRTベースの手法と比較してどのように差をつけるか？
• RQ5 プランニングの精度と頑健性の面で、PointNetベースの表現は、画像ベースのCNNや学習済み潜在表現を上回るか？

主な発見

• 提案されたPointNetベースの障害物表現は、細いゲートを通るS字型ロボット運動計画において97.7%の成功確率を達成し、同じノード予算下でBi-RRT（62.5%）を上回った。
• 未確認の3次元環境（3D-Synthetic）において、グローバル観測では91.3%、局所的観測では87.0%の成功確率を達成し、従来手法を顕著に上回った。
• 実世界のYCBオブジェクトに対しても91.2%の成功確率を達成し、実センサデータと新たな物体形状への頑健な一般化を示した。
• 動的障害物を含む環境において、グローバル観測では94.7%、局所的観測では95.8%の成功確率を達成し、優れた適応性を示した。
• 平均パス長を1プランあたり20ノードにまで短縮したのに対し、Qureshiら[15]の手法は400以上必要であったため、計算効率が10倍向上した。
• アブレーションスタディの結果、PointNet符号化が画像ベースのCNNや潜在表現を上回り、未確認環境における一般化性能はグローバル観測設定が局所的観測よりも優れていた。