[論文レビュー] SLAM-Safe Planner: Preventing Monocular SLAM Failure using Reinforcement Learning.

Vignesh Prasad, Saurabh Singh+3 more|arXiv (Cornell University)|Jul 26, 2016

Robotics and Sensor-Based Localization参考文献 19被引用数 3

ひとこと要約

本論文は、単眼SLAMの失敗を防ぐために安全なカメラ運動方策を学習する強化学習（RL）ベースのプランナー、SLAM-Safe Plannerを提案する。視覚的入力と運動行動を用いて訓練することで、RLエージェントはSLAMの頑健性を維持する軌道を生成し、ベースライン手法と比較してシミュレーションにおいてマップ品質と軌道精度を顕著に向上させる。

ABSTRACT

Effective SLAM using a single monocular camera is highly preferred due to its simplicity. However, when compared to trajectory planning methods using depth-based SLAM, Monocular SLAM in loop does need additional considerations. One main reason being that for the optimization, in the form of Bundle Adjustment (BA), to be robust, the SLAM system needs to scan the area for a reasonable duration. Most monocular SLAM systems do not tolerate large camera rotations between successive views and tend to breakdown. Other reasons for Monocular SLAM failure include ambiguities in decomposition of the Essential Matrix, feature-sparse scenes and more layers of non linear optimization apart from BA. This paper presents a novel formulation based on Reinforcement Learning (RL) that generates fail safe trajectories wherein the SLAM generated outputs (scene structure and camera motion) do not deviate largely from their true values. Quintessentially, the RL framework successfully learns the otherwise complex relation between motor actions and perceptual inputs that result in trajectories that do not cause failure of SLAM, which are almost intractable to capture in an obvious mathematical formulation. We show systematically in simulations how the quality of the SLAM map and trajectory dramatically improves when trajectories are computed by using RL.

研究の動機と目的

• 大規模なカメラ回転や特徴が乏しい条件下における単眼SLAMの不安定性を解消すること。
• バンドル調整における曖昧な基本行列分解や不良な初期化によって引き起こされるSLAMの失敗を低減すること。
• 失敗条件の明示的数式表現に依存せずに、知覚的一致性とSLAMの頑健性を保証する軌道プランナを開発すること。
• 学習された安全な運動方策により、ループクロージャー状況における単眼SLAMの信頼性を向上させること。

提案手法

• 軌道計画を安全なカメラ運動方策を学習する強化学習問題として定式化する。
• RLエージェントは視覚的入力（例：視覚特徴、運動推定値）を受信し、SLAM誤差を最小化するように行動（カメラ運動指令）を選択する。
• 報酬関数は、SLAM出力（構造と運動）が真値から大きく逸脱するのをペナルティ化することで、安定性を促進するように設計されている。
• 本フレームワークは、特徴が乏しく、大規模な回転を伴うような困難な単眼SLAM条件を有するシミュレーション環境で訓練される。
• 深層強化学習アルゴリズムを用いてポリシーを最適化し、視覚的観測からSLAMの整合性を保つ行動へのマッピングを実現する。
• 失敗モードの明示的モデリングを避けるために、報酬関数内の失敗信号から学習する。

実験結果

リサーチクエスチョン

• RQ1 強化学習エージェントは、複雑な環境下で単眼SLAMの失敗を防ぐ軌道を学習できるか？
• RQ2 従来の軌道プランナーよりも、RLベースのプランナーはSLAMの精度と頑健性をどのように維持するか？
• RQ3 失敗の明示的モデリングなしに、強化学習はカメラ運動とSLAMの安定性の間の暗黙的な関係をどの程度学習できるか？
• RQ4 RLポリシーは、シミュレーションにおける多様なシーン構造や運動プロファイルに一般化可能か？

主な発見

• SLAM-Safe Plannerは、シミュレーションにおいて再構築されたシーン構造とカメラ軌道の品質を顕著に向上させる。
• RLプランナーが生成する軌道は、特に大回転や特徴が乏しい条件下で、ベースライン手法と比較して低いSLAM誤差を示す。
• 失敗メカニズムの明示的モデリングがなくても、RLエージェントはSLAM失敗を引き起こすカメラ運動を回避する能力を効果的に学習する。
• 曖昧な基本行列分解やバンドル調整の収束不良に対しても、安全な運動パターンを学習することで頑健性を示す。
• マップ品質の向上は定量的に測定可能であり、ドリフトが低減され、より一貫性のある構造推定が達成される。