[論文レビュー] Perception-aware Path Planning

Gabriele Costante, Christian Förster+3 more|arXiv (Cornell University)|May 13, 2016

Robotic Path Planning Algorithms被引用数 37

ひとこと要約

本論文では、視覚ベースのロボットにおける局所化の不確実性を最小化するために、画像のテクスチャ（photometric）および幾何的構造情報を統合する、知覚に配慮したパスプランニングフレームワークを提案する。密な直接法を用いて画像強度からフィッシャー情報行列を計算し、RRT*を不確実性に配慮した軌道最適化へ拡張することで、標準のRRT*と比較して姿勢の不確実性を最大で1桁低減した。この手法により、実環境およびシミュレート環境におけるより安全で正確なナビゲーションが可能になった。

ABSTRACT

In this paper, we give a double twist to the problem of planning under uncertainty. State-of-the-art planners seek to minimize the localization uncertainty by only considering the geometric structure of the scene. In this paper, we argue that motion planning for vision-controlled robots should be perception aware in that the robot should also favor texture-rich areas to minimize the localization uncertainty during a goal-reaching task. Thus, we describe how to optimally incorporate the photometric information (i.e., texture) of the scene, in addition to the the geometric one, to compute the uncertainty of vision-based localization during path planning. To avoid the caveats of feature-based localization systems (i.e., dependence on feature type and user-defined thresholds), we use dense, direct methods. This allows us to compute the localization uncertainty directly from the intensity values of every pixel in the image. We also describe how to compute trajectories online, considering also scenarios with no prior knowledge about the map. The proposed framework is general and can easily be adapted to different robotic platforms and scenarios. The effectiveness of our approach is demonstrated with extensive experiments in both simulated and real-world environments using a vision-controlled micro aerial vehicle.

研究の動機と目的

• 最新のプランナが幾何的シーン構造のみを考慮するという限界に対処し、視覚ベースの局所化に不可欠なフォトメトリック（テクスチャ）情報を無視しないこと。
• 局所化の不確実性を最小化するため、幾何的およびフォトメトリックなシーン特徴を最適に統合するフレームワークの開発。
• 特徴ベースの局所化の欠点を克服するため、画像強度値から直接不確実性を計算する密な直接法の使用。
• 事前の地図知識が存在しない状況において、オンラインで軌道を再適応可能にし、新しいテクスチャのある領域や障害物領域が発見されるたびに計画を更新すること。
• 実環境およびシミュレート環境におけるビジョン制御型マイクロエアロダルビー（MAV）を用いて、フレームワークの有効性を実証すること。

提案手法

• 特徴検出器やしきい値に依存しないように、ピクセル強度値から直接フィッシャー情報行列を計算するため、密な直接的ビジュアルオドメトリを用いる。
• リー群に基づく状態伝播を適用して、4次までの近似により状態空間における局所化の不確実性を推定し、高精度な不確実性推定を可能にする。
• 予測された3次元構造とフォトメトリックな内容に基づいて期待される姿勢不確実性を最小化する、知覚に配慮したコスト関数をRRT*アルゴリズムに拡張する。
• オンラインマップ更新を統合：ロボットが探索を進めるにつれ、新たな障害物やテクスチャのある領域が検出され、より高い視覚的情報を有する領域を優先するように軌道が再計画される。
• ヒートマップと共分散楕円体を用いて不確実性を可視化し、知覚に配慮したプランナと標準プランナの性能を比較する。
• 15回の試行ごとに、不確実性の変化を定量的に比較できるように、各試行の軌道長を正規化し、平均および95%信頼区間を用いる。

実験結果

リサーチクエスチョン

• RQ1 フォトメトリック（テクスチャ）情報は、視覚ベースのロボットにおける局所化の不確実性低減にどのように効果的に統合できるか？
• RQ2 密な直接法は、オンラインパスプランニングにおける不確実性推定において、特徴ベースのアプローチを上回る性能を示せるか？
• RQ3 幾何のみのプランナと比較して、幾何とテクスチャの両方を考慮することで、姿勢推定の正確性はどの程度向上するか？
• RQ4 事前の地図知識が欠如している状況で、知覚に配慮した軌道をどのようにリアルタイムに計算・更新できるか？
• RQ5 複雑な環境において、知覚に配慮したプランニングを用いることで、標準のRRT*と比較して局所化の不確実性はどの程度定量的に改善されるか？

主な発見

• 知覚に配慮したプランナは、シミュレーションおよび実環境実験の両方で、共分散行列のトレースとして測定された姿勢不確実性を、標準のRRT*と比較して最大で1桁低減した。
• ミロの迷路およびキッチンのシミュレーションでは、RRT*と知覚に配慮したプランナの平均軌道時間はほぼ同一であった（718秒 vs. 715秒、578秒 vs. 580秒）ことから、性能向上は速度ではなく正確性に起因していることが示された。
• 同じウェイポイント位置であっても、視覚的情報の増加を最大化するように最適化されたヨー角のおかげで、知覚に配慮したプランナは著しく小さな共分散楕円体を達成した。
• 実環境実験では、知覚に配慮したプランナがはるかに低い局所化不確実性を有する軌道を生成したことが確認され、不良な姿勢推定によるナビゲーション障害のリスクが低減された。
• 正規化された不確実性の変化プロットにおける95%信頼区間は、両シミュレーション環境で15回の試行すべてにおいて一貫した統計的に有意な改善を示した。
• フレームワークは、オンライン再計画を成功裏に実現した：新しいテクスチャのある領域や障害物が発見されるたびに、より高いフォトメトリック情報含有量を有する領域を優先するように軌道が更新され、長期的な局所化信頼性が向上した。