[論文レビュー] Occupancy Map Prediction Using Generative and Fully Convolutional Networks for Vehicle Navigation

Kapil D. Katyal, Katie M. Popek+5 more|arXiv (Cornell University)|Mar 6, 2018

Video Surveillance and Tracking Methods参考文献 21被引用数 11

ひとこと要約

本論文では、ロボットのセンサ視野外の将来的な占有マップを予測するため、生成的で完全畳み込みニューラルネットワークを用いた深層学習アプローチを提案する。シミュレーテッドおよび実際のLIDARデータを用いてU-NetとGANベースのアーキテクチャを適用し、合成データでは最高で0.899のSSIMを達成。2.00xの拡張に対しても、定量的劣化が見られるものの、質的・定量的に正確な予測が可能であり、GANは物理的データにおいてより詳細な情報を再現した。

ABSTRACT

Fast, collision-free motion through unknown environments remains a challenging problem for robotic systems. In these situations, the robot's ability to reason about its future motion is often severely limited by sensor field of view (FOV). By contrast, biological systems routinely make decisions by taking into consideration what might exist beyond their FOV based on prior experience. In this paper, we present an approach for predicting occupancy map representations of sensor data for future robot motions using deep neural networks. We evaluate several deep network architectures, including purely generative and adversarial models. Testing on both simulated and real environments we demonstrated performance both qualitatively and quantitatively, with SSIM similarity measure up to 0.899. We showed that it is possible to make predictions about occupied space beyond the physical robot's FOV from simulated training data. In the future, this method will allow robots to navigate through unknown environments in a faster, safer manner.

研究の動機と目的

• センサ視野外への計画を拡張することで、高速で衝突のないナビゲーションを可能にする。
• 事前の空間的経験を活用して、未観測の環境構造を予測する深層学習フレームワークを構築する。
• シミュレーテッドおよび実世界環境における占有マップ予測において、生成的モデルと完全畳み込みニューラルネットワークを評価・比較する。
• 実際のLIDARデータを用いて手法を検証し、リスク感受性の高い制御方針への応用可能性を示す。
• 訓練およびベンチマーク用の占有マップ予測モデル用のデータセットと評価フレームワークを構築する。

提案手法

• 入力センサデータから拡張された占有マップを予測するため、完全畳み込みネットワーク（U-Net、ResNet）および生成的対抗ネットワーク（GAN）を訓練した。
• 生成器ネットワークが予測を生成し、識別器ネットワークが実際のマップと生成されたマップを区別する最小最大の対抗訓練方式を採用した。
• 一般化を向上させるとともに、トレーニングデータからの構造的事前知識を捉えるために、データ拡張および潜在空間符号化を適用した。
• 構造的類似度（SSIM）と質的視覚的分析を用いて、シミュレーテッドおよび実LIDARベースの占有マップの両方でモデルを評価した。
• 性能評価のため、予測を2.00xにまで拡張し、不確実性および空間的外挿の増加に対する耐性を検証した。
• 短期計画の予測と長期計画の出力を組み合わせることで、耐性および時間的整合性を向上させた。

実験結果

リサーチクエスチョン

• RQ1 観測済みデータのみを用いて、深層ニューラルネットワークがセンサ視野外の占有マップを正確に予測できるか？
• RQ2 生成的モデル（例：GAN）は、完全畳み込みネットワークと比較して、将来的な占有マップ予測においてどのように性能を発揮するか？
• RQ3 シミュレーテッドトレーニングデータは、実世界のLIDARセンサデータにどの程度一般化可能か？
• RQ4 拡張比が増加する（例：1.50xから2.00xに）に伴い、予測精度はどの程度低下するか？
• RQ5 低レベルの詳細が不正確であっても、予測されたマップが高レベルのナビゲーション情報として有用に機能するか？

主な発見

• U-Net完全畳み込みネットワークは、合成データにおいて最高のSSIMスコア0.899を達成し、占有マップ予測における優れた性能を示した。
• 実LIDARデータでは、U-Net FFモデルが1.30x拡張でSSIM 0.517を達成し、GANは他のアーキテクチャと比較してわずかに優れた質的詳細を示した。
• 物理的データにおいて、GANベースのモデルは構造的詳細（例：T字路）の保持において、完全畳み込みネットワークを上回る質的正確性を示した。
• 2.00xの拡張に対しても、すべての例でT字路の存在が正しく示されるなど、質的正確性が維持された。定量的劣化は見られたが、依然として意味的正確性を保った。
• センサ読み取りからの一時的ノイズを効果的にフィルタリングしたため、実環境におけるセンサアーチファクトへの耐性があることが示唆された。
• 拡張比が増加するにつれ性能が低下し、U-Net FFでは2.00xでSSIMが0.484に低下した。これは、長距離計画における予測の不確実性が増大することを示している。