[論文レビュー] Particle Filter Networks: End-to-End Probabilistic Localization From Visual Observations.

Péter Karkus, David Hsu+1 more|arXiv (Cornell University)|May 23, 2018

Human Pose and Action Recognition参考文献 23被引用数 6

ひとこと要約

この論文では、視覚的局所化のための確率的システムモデルとパーティクルフィルタ推論アルゴリズムをエンド・トゥ・エンドで学習するニューラルネットワークアーキテクチャ、パーティクルフィルタネットワーク（PF-nets）を紹介する。パーティクルフィルタの逐次ベイズ更新をディープラーニングと統合することで、従来のモデルベース手法や代替の学習アーキテクチャと比較して、視覚的局所化タスクにおいて優れた性能を達成する。

ABSTRACT

Particle filters sequentially approximate posterior distributions by sampling representative points and updating them independently. The idea is applied in various domains, e.g. reasoning with uncertainty in robotics. A remaining challenge is constructing probabilistic models of the system, which can be especially hard for complex sensors, e.g. a camera. We introduce the Particle Filter Networks (PF-nets) that encode both a learned probabilistic system model and the particle filter algorithm in a single neural network architecture. The unified representation allows learning models end-to-end, circumventing the difficulties of conventional model-based methods. We applied PF-nets to a challenging visual localization task that requires matching visual features from camera images with the geometry encoded in a 2-D floor map. In preliminary experiments end-to-end PF-nets consistently outperformed alternative learning architectures, as well as conventional model-based methods.

研究の動機と目的

• ロボットスの複雑なセンサ（例：カメラ）に対して、正確な確率的システムモデルを設計することが難しいという問題に取り組む。
• 手作業で設計されたシステムモデルおよび観測モデルを必要とする従来のモデルベース手法の制限を克服する。
• 視覚データからシステムダイナミクスおよび観測モデルをエンド・トゥ・エンドで学習可能にする。
• 統合されたアーキテクチャにおいて、ディープラーニングとパーティクルフィルタリングを統合することで、視覚的局所化の性能を向上させる。

提案手法

• PF-netsは、パーティクルフィルタの逐次重要度再サンプリングプロセスを微分可能でニューラルネットワークアーキテクチャに統合する。
• ネットワークは、状態推定のための特徴抽出を目的として、視覚的観測を畳み込みバックボーンで処理する。
• パーティクルは埋め込みベクトルとして表現され、予測および更新ステップを模倣する微分可能な操作によって更新される。
• システムは、パーティクルフィルタの操作を介したバックプロパゲーションにより、エンド・トゥ・エンドで状態遷移モデルおよび観測モデルを学習する。
• 推論中に粒子の多様性を維持し、劣化を防ぐために、微分可能なリサンプリング機構が用いられる。
• 局所化の正確性を最適化する微分可能な損失関数を用いて、全アーキテクチャをエンド・トゥ・エンドで訓練する。

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、微分可能でエンド・トゥ・エンドの方法で、視覚的局所化のためのシステムダイナミクスと観測モデルを同時に学習可能か？
• RQ2 エンド・トゥ・エンドで学習されたパーティクルフィルタの性能は、従来のモデルベースパーティクルフィルタと比較して、視覚的局所化タスクで優れているか？
• RQ3 手作業で設計されたモデルなしに、PF-netsは複雑な視覚的入力や幾何的マップ構造に一般化可能か？
• RQ4 微分可能なパーティクルフィルタリングは、局所化の正確性および耐性にどのような影響を与えるか？

主な発見

• PF-netsは、視覚的局所化タスクにおいて、代替の学習ベースアーキテクチャと比較して一貫した性能向上を達成した。
• PF-netsのエンド・トゥ・エンド訓練により、手作業で設計されたシステムモデルおよび観測モデルの必要性が排除され、モデル設計が簡素化された。
• PF-netsは、従来のモデルベースパーティクルフィルタリング手法を上回り、学習されたモデルが手作業で設計されたものよりも優れていることを示した。
• 統合されたアーキテクチャにより、初期の実験でも、挑戦的な視覚的条件下でも頑健な推論が可能となった。