[論文レビュー] Learning to Navigate: Exploiting Deep Networks to Inform Sample-Based Planning During Vision-Based Navigation

Justin S. Smith, Jin‐Ha Hwang+2 more|arXiv (Cornell University)|Jan 16, 2018

Robotic Path Planning Algorithms参考文献 4被引用数 5

ひとこと要約

本論文では、視覚ベースのナビゲーションのためのサンプルベース計画法に深層学習を統合し、エンドツーエンドモデルを再訓練することで、グローバルなゴールに情報に基づいた高品質な軌道サンプルを生成する手法を提案する。ネットワークの入出力を変更し、ゴール指向の運動を優先させることで、従来の計画法と同等またはそれを上回る性能を示しながら、必要なサンプル数を10倍に削減した。シミュレーションおよびTurtlebot 2における実世界のテストで有効性を検証した。

ABSTRACT

Recent applications of deep learning to navigation have generated end-to-end navigation solutions whereby visual sensor input is mapped to control signals or to motion primitives. The resulting visual navigation strategies work very well at collision avoidance and have performance that matches traditional reactive navigation algorithms while operating in real-time. It is accepted that these solutions cannot provide the same level of performance as a global planner. However, it is less clear how such end-to-end systems should be integrated into a full navigation pipeline. We evaluate the typical end-to-end solution within a full navigation pipeline in order to expose its weaknesses. Doing so illuminates how to better integrate deep learning methods into the navigation pipeline. In particular, we show that they are an efficient means to provide informed samples for sample-based planners. Controlled simulations with comparison against traditional planners show that the number of samples can be reduced by an order of magnitude while preserving navigation performance. Implementation on a mobile robot matches the simulated performance outcomes.

研究の動機と目的

• エンドツーエンドの深層学習ナビゲーションが、衝突回避には優れているものの、ゴール指向のタスクでは性能が低いという問題に取り組む。
• 完全なクローズドループナビゲーションパイプラインに統合された際の、標準的なエンドツーエンドモデルの限界を特定する。
• サンプルベース計画法のデータ駆動的サンプリングヒューリスティクスとして機能するように、深層学習モジュールを再設計する。
• 性能を損なうことなく、ナビゲーションに必要な軌道サンプル数を削減する。
• 提案手法をシミュレーテッド環境および実際の移動ロボット（Turtlebot 2）で検証する。

提案手法

• エンドツーエンドナビゲーションネットワークを再訓練し、反応的制御ではなく、グローバルゴールに偏った軌道候補を出力するようにする。
• トレーニングデータおよび損失関数を変更し、ゴールの方向と距離を組み込むことで、ネットワーク出力をサンプルベース計画法に適したものにする。
• RRTベースまたは類似のサンプルベース計画法内に深層ネットワークをヒューリスティクスサンプラーとして統合し、ランダムサンプリングを置き換える。
• ネットワークの特徴表現を用いて、成功に繋がりやすい高品質なゴール指向の軌道候補を生成する。
• 初期の候補セットに失敗した場合に再計画を可能にするために、リカバリ行動（360°回転）を適用する。
• 単眼視覚を搭載した実際のTurtlebot 2を用いて、シミュレーテッド環境（シンプルでセクターベースの世界）および実世界の両方でシステムを評価する。

実験結果

リサーチクエスチョン

• RQ1 エンドツーエンドの深層学習ナビゲーションモデルは、サンプルベース計画法のヒューリスティクスとして効果的に再利用可能か？
• RQ2 ネットワークの入出力をゴール情報を含めるように変更することで、計画の効率性および成功率にどのような影響を与えるか？
• RQ3 ランダムサンプリングと比較して、学習されたサンプリングヒューリスティクスを用いることで、軌道サンプル数をどの程度削減できるか？
• RQ4 提案手法の性能は、Turtlebot 2のような伝統的な計画法（例：TEB）と比較して、スパarsesな環境および密集した環境の両方でどうか？
• RQ5 提案手法は、シミュレーション結果と同等の実世界での性能を達成できるか？

主な発見

• 提案手法により、必要な軌道サンプル数が10倍に削減された一方で、シミュレーションにおけるナビゲーション成功率は維持または向上した。
• スパarsesなセクターワールドでは、LPIPS-ToGoal手法が93.33%の成功率を達成し、TEBの86.56%を上回った。
• 密集したセクターワールドでは、LPIPS-ToGoal手法が70%の成功率を達成したのに対し、TEBは90%であった。これは、複雑な環境では性能のトレードオフが生じることを示している。
• 実世界のTurtlebot 2では、15回のナビゲーション試行のうち13回に成功し、2回の失敗は視野が限られていることが原因であった。
• 本手法は、実世界での展開においてもシミュレーション性能を効果的に再現した。これは、シミュレーションから実世界への移行が成功したことを裏付けた。
• 失敗事例は主に視野の制限と時間的記憶の欠如に起因しており、将来的にはセンサーモデリングや記憶の統合の改善が求められる。