[論文レビュー] To Go or Not To Go? A Near Unsupervised Learning Approach For Robot Navigation

Noriaki Hirose, Amir Sadeghian+2 more|arXiv (Cornell University)|Sep 16, 2017

Robotic Path Planning Algorithms参考文献 29被引用数 15

ひとこと要約

本論文は、魚眼RGBカメラからの入力に基づき、ロボットのナビゲーション状況を「進める」か「進めない」かに分類する、準教師ありの深層学習手法を提案する。主にロボットの経験から得られるラベルなしの陽性データと、最小限のラベル付き陰性例を活用することで、高い精度でリアルタイムの推論を実現し、パスプランニング用の視覚的「GoNoGo」コストマップの作成を可能にする。

ABSTRACT

It is important for robots to be able to decide whether they can go through a space or not, as they navigate through a dynamic environment. This capability can help them avoid injury or serious damage, e.g., as a result of running into people and obstacles, getting stuck, or falling off an edge. To this end, we propose an unsupervised and a near-unsupervised method based on Generative Adversarial Networks (GAN) to classify scenarios as traversable or not based on visual data. Our method is inspired by the recent success of data-driven approaches on computer vision problems and anomaly detection, and reduces the need for vast amounts of negative examples at training time. Collecting negative data indicating that a robot should not go through a space is typically hard and dangerous because of collisions, whereas collecting positive data can be automated and done safely based on the robot's own traveling experience. We verify the generality and effectiveness of the proposed approach on a test dataset collected in a previously unseen environment with a mobile robot. Furthermore, we show that our method can be used to build costmaps (we call as "GoNoGo" costmaps) for robot path planning using visual data only.

研究の動機と目的

• ロボットナビゲーション意思決定のための高価で危険な人為的ラベル付き陰性例への依存を低減すること。
• 視覚データのみを用いて、通過可能領域と通過不能領域を分類するリアルタイムで計算効率の良い手法を開発すること。
• 単一の魚眼RGBカメラのみを用いて、視覚的コストマップ（「GoNoGo」コストマップ）を構築できるようにすること。
• 最小限の監視のもとで、動的かつ未確認の環境に対しても一般化性と頑健性を向上させること。

提案手法

• ロボットの走行により安全に収集された陽性ナビゲーション例に限定して訓練されたGANベースの生成器を用い、通過可能なシーンの多様体を学習する。
• 再構成の忠実度と分類性能を向上させるために、残差損失（R）、識別器損失（D）、および特徴レベル損失（F）を組み合わせる。
• リアルタイム推論を可能にするために、逆生成器（Gen⁻¹）を導入し、画像再構成誤差 |X − X′| の迅速な予測を可能にする。この誤差を通過可能性の代理指標として用いる。
• 事前学習済みResNetを、少量のラベル付き陽性および陰性例で微調整することで、準教師あり学習戦略を採用し、精度を向上させる。
• 一般化性能とエッジケースに対する頑健性を向上させるために、複数の損失成分（R+D+F）を統合する。
• 再構成誤差と特徴マップを用いて「GoNoGo」コストマップを生成し、高い誤差領域を障害物に対応させる。

実験結果

リサーチクエスチョン

• RQ1 少量のラベル付き陰性データと大量のラベルなし陽性データのみを用いて、GANベースのモデルが高精度なGo/NoGo分類を達成できるか？
• RQ2 提案手法が、単一の魚眼カメラからの視覚入力のみを用いて信頼性の高いリアルタイムコストマップを生成できるか？
• RQ3 完全教師ありベースラインと比較して、準教師あり手法の精度、推論速度、メモリ使用量の観点での性能はどのように異なるか？
• RQ4 再トレーニングや広範な微調整なしに、モデルが未確認の環境に一般化できるか？
• RQ5 GANベースのオートエンコーダからの再構成誤差が、通過可能性の信頼できる代理指標としてどの程度有効か？

主な発見

• 提案手法はR+D+F損失設定で94.25%のテスト精度を達成し、精度と推論速度の両面で完全教師ありResNetベースラインを上回った。
• 本手法は89.69 Hzで動作し、カメラの15 fpsよりも顕著に高速であり、モバイルプラットフォーム上でのリアルタイム実現可能性を示した。
• 完全教師ありアプローチと比較して、ラベル付けに必要なデータ量はわずか1%にまで削減され、ラベル付け作業の負担が著しく軽減された。
• 分類器から生成された「GoNoGo」コストマップにより、リアルタイムで動的障害物（例：ゴミ箱）を回避するパスプランニングが成功した。
• ResNet-152のような深層ネットワークの完全微調整（1357 MB、12.21 Hz）と比較して、メモリ使用量と計算コストを削減した。
• サリエンシー・マップの可視化により、モデルが障害物やエッジなどの関連領域に注目していることが確認され、解釈可能性と信頼性を裏付けた。