[論文レビュー] Robotic Mapping with Polygonal Random Fields

Mark A. Paskin, Sebastian Thrun|arXiv (Cornell University)|Jul 4, 2012

Robotics and Sensor-Based Localization参考文献 9被引用数 4

ひとこと要約

本論文は、特徴ベースマップの幾何的コンパクト性と、運動計画に不可欠な占有状態の推論を組み合わせた確率的マッピングフレームワーク、ポリゴナルランダムフィールド（PRF）を提案する。環境を一貫した確率分布を持つポリゴナル構造上のランダムフィールドとしてモデル化することにより、PRFは占有グリッドの独立性仮定を回避し、レーザーおよびソナーデータを用いてマッピング精度と耐障害性の顕著な向上を達成する。

ABSTRACT

Two types of probabilistic maps are popular in the mobile robotics literature: occupancy grids and geometric maps. Occupancy grids have the advantages of simplicity and speed, but they represent only a restricted class of maps and they make incorrect independence assumptions. On the other hand, current geometric approaches, which characterize the environment by features such as line segments, can represent complex environments compactly. However, they do not reason explicitly about occupancy, a necessity for motion planning; and, they lack a complete probability model over environmental structures. In this paper we present a probabilistic mapping technique based on polygonal random fields (PRF), which combines the advantages of both approaches. Our approach explicitly represents occupancy using a geometric representation, and it is based upon a consistent probability distribution over environments which avoids the incorrect independence assumptions made by occupancy grids. We show how sampling techniques for PRFs can be applied to localized laser and sonar data, and we demonstrate significant improvements in mapping performance over occupancy grids.

研究の動機と目的

• 占有グリッドの限界に対処する。これは誤った独立性仮定を行い、複雑な環境をコンパクトに表現できない。
• 幾何マップの欠点を克服する。これは明示的な占有状態の推論と完全な確率モデルを欠いている。
• ポリゴンを用いて環境を表現しつつ、幾何的構造における一貫性のある不確実性を維持する統一された確率的フレームワークを開発する。
• レーザーおよびソナーからのセンサデータを活用して、ポリゴナル特徴上の原理的確率モデルを用いて、正確で局所的なマッピングを可能にする。

提案手法

• この手法は、環境を各ポリゴンが関連する不確実性を持つ幾何的特徴を表すポリゴナル領域上のランダムフィールドとしてモデル化する。
• 占有グリッドに内在する独立性仮定を回避するため、ポリゴナル構造上の結合確率分布を定義する。
• ギブスサンプリングなどのサンプリング技術を用いて、局所的なレーザーおよびソナー観測から最も確率の高いポリゴナル構成を推論する。
• ベイズ推論を用いて、センサデータを段階的に統合し、ポリゴナルマップ上の事後分布を更新する。
• 確率モデルは空間的関係性と占有状態を明示的に符号化しており、運動計画に配慮したマッピングを可能にする。
• フレームワークは複雑な環境のコンパクトな表現をサポートしつつ、完全な確率的整合性を維持する。

実験結果

リサーチクエスチョン

• RQ1 確率的マッピングフレームワークは、特徴ベースマップの幾何的表現力と、運動計画に必要な占有状態の推論を統合できるか？
• RQ2 占有グリッドで一般的な独立性仮定を回避するため、ポリゴナル構造上に一貫した確率分布を定義する方法は何か？
• RQ3 実際のセンサデータを用いた場合、ポリゴナルランダムフィールドは従来の占有グリッドと比較して、マッピング精度と耐障害性をどの程度向上できるか？
• RQ4 PRFは動的またはごみだらけの環境における局所的なレーザーおよびソナーデータをどの程度効果的に処理できるか？
• RQ5 複雑な環境においても、計算の実行可能性と確率的整合性を維持しながら、提案手法はスケーラブルか？

主な発見

• PRFフレームワークは、従来の占有グリッドと比較して、特に幾何的正確性と不確実性のキャリブレーションの観点でマッピング性能を顕著に向上させる。
• 誤った独立性仮定を回避することで、PRFは環境構造のより一貫性があり現実的である表現を提供する。
• 局所的なレーザーおよびソナーデータからの強力な推論が可能であり、複雑で現実的な環境でも優れた性能を示す。
• ポリゴナル特徴上の完全な確率モデルの使用により、安全な運動計画に不可欠な占有状態に関する原理的推論が可能になる。
• PRFにおけるサンプリングベースの推論は、占有グリッド手法と比較してアーチファクトが少なく、高品質な地図再構築を達成する。
• フレームワークは、確率的完全性を損なわず、複雑な環境へも効率的にスケーリング可能な特徴ベースのコンパクトな表現をサポートする。