[論文レビュー] Learning to Map for Active Semantic Goal Navigation

Georgios Georgakis, Bernadette Bucher+3 more|arXiv (Cornell University)|Jun 29, 2021

Multimodal Machine Learning Applications参考文献 58被引用数 4

ひとこと要約

本稿では、アクティブな意味的ゴールナビゲーションのための新しいフレームワークであるL2M（Learning to Map）を提案する。L2Mは、エージェントの視界外の意味的マップを生成し、予測の不確実性を用いて長期的なゴール選択をガイドする。エピステミック不確実性を情報利得の目的関数として用いてアンサンブルの意味セグメンテーションモデルを能動的に訓練することで、未確認の環境におけるオブジェクトゴールナビゲーションの成功確率が向上し、Matterport3Dベンチマークで最適なコンponentsを組み合わせた場合に80%の成功率を達成した。

ABSTRACT

We consider the problem of object goal navigation in unseen environments. Solving this problem requires learning of contextual semantic priors, a challenging endeavour given the spatial and semantic variability of indoor environments. Current methods learn to implicitly encode these priors through goal-oriented navigation policy functions operating on spatial representations that are limited to the agent's observable areas. In this work, we propose a novel framework that actively learns to generate semantic maps outside the field of view of the agent and leverages the uncertainty over the semantic classes in the unobserved areas to decide on long term goals. We demonstrate that through this spatial prediction strategy, we are able to learn semantic priors in scenes that can be leveraged in unknown environments. Additionally, we show how different objectives can be defined by balancing exploration with exploitation during searching for semantic targets. Our method is validated in the visually realistic environments of the Matterport3D dataset and show improved results on object goal navigation over competitive baselines.

研究の動機と目的

• 空間的・意味的変動が一般化を妨げる未確認の屋内環境において、意味的ターゲットへナビゲートする課題に対処すること。
• 既存手法が観測済み領域に依存するという制限を克服し、未観測の意味的コンテンツの予測と推論を可能にする。
• モデルの不確実性を用いてデータサンプリングをガイドするアクティブラーニング戦略を開発すること。
• 上部信頼区間（UCB）のような不確実性に基づく計画目的関数を用いて、探索と活用のバランスを取ること。
• 空間的予測を通じて学習された意味的事前知識が未知の環境に一般化され、ナビゲーション性能を向上させることを示すこと。

提案手法

• フレームワークは、上位図マップ上でトレーニングされた2段階の意味セグメンテーションモデルのアンサンブルを採用し、未観測領域における占有状態と意味的領域を予測する。
• モデルの不確実性は、アンサンブルメンバー間の不一致を用いて推定され、Pathakら（2019年）およびSeungら（1992年）の手法に従い、予測の信頼性を定量化する。
• アクティブラーニング戦略は情報利得に基づいてトレーニングサンプルを選択し、エピステミック不確実性がマップ品質の向上に最も効果的な目的関数であることが判明した。
• 長期ナビゲーションゴールは、不確実性を考慮したプランナを用いて選択され、探索と活用のバランスを取る上部信頼区間（UCB）戦略が含まれる。
• システムはナビゲーションのためのローカルポリシーを統合し、成功確率とオラクル停止／ゴール条件を伴う成功確率を用いて性能を評価する。
• 本手法は、Habitatシミュレータを用い、Matterport3Dデータセットで評価され、ローカルポリシーや停止基準といったコンponentsに関するアブレーションスタディが実施された。

実験結果

リサーチクエスチョン

• RQ1 モデルの不確実性を用いたアクティブラーニングが、ナビゲーションのための未観測領域における意味的マップ予測の一般化を改善できるか？
• RQ2 不確実性に基づくゴール選択は、ランダムまたはグリーディ戦略と比較して、意味的ナビゲーションにおける探索と活用のバランスをどのように改善するか？
• RQ3 空間的ホールラシネーションを通じて学習された意味的事前知識が、未確認環境における成功確率をどの程度向上させるか？
• RQ4 ローカルポリシーと停止意思決定メカニズムが、全体のナビゲーション性能に果たす貢献度は何か？
• RQ5 トレーニング中の異なる情報利得目的関数が、意味的マップ予測の品質と下流のナビゲーション成功確率に与える影響は何か？

主な発見

• GtPathをローカルナビゲーションに、OracleStopをゴール検出に用いた最良のコンponentsを組み合わせた場合、L2Mフレームワークは、テストエピソードの困難なサブセットで平均80%の成功率を達成した。
• エピステミック不確実性が、アクティブデータサンプリングにおける最も効果的な情報利得目的関数であることが判明し、意味的マップ品質とナビゲーション性能の両方を顕著に向上させた。
• 上部信頼区間（UCB）を用いた不確実性に基づく計画により、探索と活用のバランスが改善され、ベースライン戦略よりも高い成功率が得られた。
• アブレーションスタディから、ローカルポリシーが主なボトルネックであることが判明し、最短経路推定（GtPath）に置き換えることで性能が顕著に向上した。
• 視界外の意味的コンテンツを予測できる能力により、未確認環境への一般化が可能となり、Matterport3Dデータセットにおいて競合するベースラインを上回った。