[論文レビュー] Robust Active Perception via Data-association aware Belief Space planning

Shashank Pathak, Antony Thomas+2 more|arXiv (Cornell University)|Jun 16, 2016

Robotics and Sensor-Based Localization参考文献 31被引用数 4

ひとこと要約

本稿では、知覚的同一性（perceptual aliasing）と局所化の不確実性に対処するため、確率的データ関連付けを信念空間計画に統合した新規フレームワーク、Data-Association aware Belief Space Planning (DA-BSP) を提案する。信念を複数の分布の混合としてモデル化し、曖昧さの低減を最適化することで、アクティブな曇消し（disambiguation）を可能にし、データ関連付けの正確性と不確実性の低減という観点で、標準的な BSP よりも顕著な向上を達成する。

ABSTRACT

We develop a belief space planning (BSP) approach that advances the state of the art by incorporating reasoning about data association (DA) within planning, while considering additional sources of uncertainty. Existing BSP approaches typically assume data association is given and perfect, an assumption that can be harder to justify while operating, in the presence of localization uncertainty, in ambiguous and perceptually aliased environments. In contrast, our data association aware belief space planning (DA-BSP) approach explicitly reasons about DA within belief evolution, and as such can better accommodate these challenging real world scenarios. In particular, we show that due to perceptual aliasing, the posterior belief becomes a mixture of probability distribution functions, and design cost functions that measure the expected level of ambiguity and posterior uncertainty. Using these and standard costs (e.g.~control penalty, distance to goal) within the objective function, yields a general framework that reliably represents action impact, and in particular, capable of active disambiguation. Our approach is thus applicable to robust active perception and autonomous navigation in perceptually aliased environments. We demonstrate key aspects in basic and realistic simulations.

研究の動機と目的

• 標準的な信念空間計画（BSP）が、完全で与えられたデータ関連付け（DAS）を仮定しているという制限を解消すること。これは、知覚的同一性のある環境では失敗する。
• センサ観測が曖昧である現実世界のロボットシナリオにおける知覚的同一性と局所化の不確実性に取り組むこと。
• アクティブな曇消しを可能にする統合的「計画・推論・実行」フレームワークを構築すること。
• 信念の進化とコスト関数に直接データ関連付けの推論を組み込むことで、スケーラブルでロバストな認識を実現すること。
• シミュレーションおよび現実世界の環境において、特に多階層のロボットナビゲーションタスクを含む、フレームワークの有効性を実証すること。

提案手法

• 知覚的同一性によって生じる複数の可能なデータ関連付けを反映するため、ロボットの信念を確率密度関数の混合としてモデル化する。
• 標準的な項（制御ペナルティ、ゴールまでの距離）に加え、予想される曇り（期待される曇り、DAコストで測定）と事後不確実性（Worst-Cov）という新しい項を含むコスト関数を定式化する。
• 信念の発展の質を評価するため、KLダイバージェンス（KL_u）を用いて信念の乖離を定量化する。
• データ関連付けの推論を信念更新プロセスに統合し、行動選択を通じて曇りを事前に予測・解消できるようにする。
• 指数的増加する信念モードを考慮してスケーラビリティを確保するため、低尤度の関連付けを単純なしきい値処理で刈り取る。
• 複数の仮説にわたる期待コストを計算するため、候補となる行動の信念発展をシミュレートするサンプリングベースのアプローチを用いる。

実験結果

リサーチクエスチョン

• RQ1 知覚的同一性と局所化の不確実性の下で、信念空間計画はどのようにデータ関連付けを推論できるか？
• RQ2 最適な視点や行動を選択することで、統合的計画フレームワークが曇りのあるセンサ観測を能動的に曇消しできるか？
• RQ3 アクティブな認識において、曇りの低減、不確実性の最小化、制御努力のバランスを効果的にとるには、どのようなコスト項が必要か？
• RQ4 曇りのある環境において、DA-BSP は標準的な BSP よりもデータ関連付けの正確性と信念の質で優れているか？
• RQ5 提案されたフレームワークは、知覚的同一性を伴う現実世界のロボットナビゲーションタスクにスケーラブルかつ適用可能か？

主な発見

• DA-BSP は曇りと事後不確実性を顕著に低減した：基本シミュレーションでは、DA-BSP プランナーは $fwd_2$ の曇消し行動に対して、データ関連付け正確性（η_da）を 1.00 に達成したのに対し、$fwd_1$ では 0.18、$bwd_1$ では 0.08 にとどまった。
• DA-BSP プランナーは、標準的な BSP よりも信念の曇り（KL_u で測定）を 90% 減少させた。Worst-Cov は DA-BSP で 0.66、BSP では 5.36 であった。
• 現実世界の多階層シナリオでは、DA-BSP は階層の識別を曇消しする経路を計画したが、標準的な BSP は等確率の信念モードのため失敗した。
• 効果的な刈り取りにより、信念モードの数は管理可能（$fwd_2$ の推論で2モード）を維持した。これは、理論的な混合成分の指数的増加にもかかわらず、スケーラビリティを示している。
• DA-BSP は $fwd_2$ に対してコスト -166.03（低い不確実性とコストの良好なトレードオフを示す）を達成したが、非最適な $bwd_1$ 行動ではコストが 6571.29 に達した。これは、プランナーが劣悪な意思決定を回避できる能力を示している。
• Pioneer ロボットを用いた現実世界のデプロイにおいて、フレームワークは、標準的な BSP が失敗した3階層の同一性のある環境で、曇りを正常に解消した。