[論文レビュー] Predicting Terrain Mechanical Properties in Sight for Planetary Rovers with Semantic Clues

Ruyi Zhou, Wenhao Feng+5 more|arXiv (Cornell University)|Nov 3, 2020

Robotic Locomotion and Control参考文献 50被引用数 4

ひとこと要約

本論文は、ローバー搭載カメラからのセマンティックな手がかりを用いて、事前に地形の機械的特性（支持抵抗およびせん断抵抗）を視覚ベースで予測する手法を提案する。これにより、事前の危険回避が可能となり、惑星探査車の計画段階における安全性が向上する。軽量なセマンティックセグメンテーションネットワークに続く人間のような推論を用いることで、テストルートにおいてそれぞれ12.5%および10.8%のフルスケール誤差で特性を予測した。これは、惑星探査車の計画段階における安全性を顕著に向上させる。

ABSTRACT

Non-geometric mobility hazards such as rover slippage and sinkage posing great challenges to costly planetary missions are closely related to the mechanical properties of terrain. In-situ proprioceptive processes for rovers to estimate terrain mechanical properties need to experience different slip as well as sinkage and are helpless to untraversed regions. This paper proposes to predict terrain mechanical properties with vision in the distance, which expands the sensing range to the whole view and can partly halt potential slippage and sinkage hazards in the planning stage. A semantic-based method is designed to predict bearing and shearing properties of terrain in two stages connected with semantic clues. The former segmentation phase segments terrain with a light-weighted network promising to be applied onboard with competitive 93% accuracy and high recall rate over 96%, while the latter inference phase predicts terrain properties in a quantitative manner based on human-like inference principles. The prediction results in several test routes are 12.5% and 10.8% in full-scale error and help to plan appropriate strategies to avoid suffering non-geometric hazards.

研究の動機と目的

• 惑星探査車ミッションにおけるスリップや沈下といった非幾何的移動障害の課題に対処すること。
• 地上での直接的センシングに加え、遠くの視覚データから地形の機械的特性を予測することで、感度範囲を拡張すること。
• 事前に走行する前に、地形の定量的機械的特性を推定するために、セマンティックな手がかりを活用する手法を開発すること。
• 探査車が危険領域に到達する前に地形特性を推定することで、能動的ルート計画を可能にすること。
• オンボードでの実装を想定し、地形セグメンテーションにおいて高い正確性と再現率を達成すること。

提案手法

• 軽量なセマンティックセグメンテーションネットワークを用いて、搭載カメラの画像からリアルタイムに地形タイプを分類する。
• 二段階のパイプラインを採用する：まず地形をセマンティックカテゴリにセグメンテーションし、次に学習された人間のような推論原理に基づいて機械的特性を推定する。
• 分類された地形領域から得られるセマンティック手がかりを用いて、機械的特性を定量的に推定する。
• 推論段階では、人間の知覚に類似したアナロジーを用いて地形挙動をモデル化し、視覚的質感、色、構造に基づいて機械的特性を割り当てる。
• 高い効率性と低コストな計算負荷を実現するように設計されており、オンボードでの実装に適している。
• セマンティックセグメンテーションと物理的特性推定を統合することで、直接接触による測定を超えたセンシング範囲を拡張する。

実験結果

リサーチクエスチョン

• RQ1 視界内の視覚データから地形の機械的特性を予測することで、非幾何的障害を事前に特定できるか？
• RQ2 セマンティックセグメンテーションおよび推論モデルは、惑星の地形における支持抵抗およびせん断抵抗をどの程度正確に推定できるか？
• RQ3 純粋に幾何的または物理的モデルと比較して、セマンティック手がかりを用いることで予測精度がどの程度向上するか？
• RQ4 提案手法は、許容できる計算オーバーヘッドで探査車にオンボードで実装可能か？
• RQ5 本手法は、ルート計画におけるスリップや沈下のリスク低減にどの程度有効か？

主な発見

• セマンティックセグメンテーションモデルは93%の正確性と96%を超える再現率を達成し、オンボードでの実装に適した優れた性能を示した。
• 予測手法により、テストルートにおいて支持抵抗で12.5%、せん断抵抗で10.8%のフルスケール誤差に低減された。
• システムは地上での直接測定を超えるセンシング範囲を拡張し、ミッション計画段階での障害予測を可能にした。
• セグメンテーションの後にセマンティックにインスパイアされた推論を行う二段階アプローチは、直接的な物理的接触なしに機械的特性を効果的に推定できることを示した。
• 本手法により、走行前にスリップや沈下といった非幾何的障害を能動的に回避できるようになった。
• 結果から、視覚的およびセマンティックな手がかりを用いて、惑星探査車のリアルタイムな地形力学を予測することが実現可能であることが示された。