[論文レビュー] Visual Memory for Robust Path Following

Ashish Kumar, Saurabh Gupta+3 more|arXiv (Cornell University)|Dec 3, 2018

Human Motion and Animation被引用数 32

ひとこと要約

本論文は、ノイズの多い制御入力が加わる動的環境下でも頑健なパスフォローリングを実現するための学習可能なビジョナルメモリフレームワークを提案する。エンドツーエンドで訓練された二つのネットワークから構成されるシステムで、一方はデモ画像からパスの抽象化を学習し、他方はその抽象化を用いてナビゲーションを制御する。環境変化や制御ノイズ下でも、古典的手法および学習ベースのベースラインを上回るパス再現性能を示す。

ABSTRACT

Humans routinely retrace paths in a novel environment both forwards and backwards despite uncertainty in their motion. This paper presents an approach for doing so. Given a demonstration of a path, a first network generates a path abstraction. Equipped with this abstraction, a second network observes the world and decides how to act to retrace the path under noisy actuation and a changing environment. The two networks are optimized end-to-end at training time. We evaluate the method in two realistic simulators, performing path following and homing under actuation noise and environmental changes. Our experiments show that our approach outperforms classical approaches and other learning based baselines.

研究の動機と目的

• ノイズの多い制御入力が加わる新規かつ変化する環境下でも、頑健なパスフォローリングとホームインを可能にすること。
• 完全な3次元再構成を必要とし、環境変化に伴い失敗する古典的SLAMベースの手法の限界を克服すること。
• 広範な環境露出を必要とせず、1回のデモから一般化可能な学習ベースのアプローチを開発すること。
• エンドツーエンド訓練により、手動で設計されたワイドベースラインや代理タスクを避けて、局所化およびナビゲーション特徴を暗黙的に学習すること。
• 視覚的変化、制御ノイズ、およびトラジェクトリ長の一般化に対する頑健性を評価すること。

提案手法

• 最初のニューラルネットワークは、デモ画像のシーケンスを、コンパクトで意味的に意味のある表現に抽象化する。
• 2番目の再帰的ニューラルネットワーク（RNN）コントローラーは、現在の観測値とパス抽象化を用いて、行動を予測し、エージェントがパス上に暗黙的に局所化される。
• システムは、模倣学習を用いてエンドツーエンドで訓練され、コントローラーは抽象化されたパス上のポインタを追跡するように学習する。
• コントローラーは、ポインタ位置を更新するための学習された増分関数を用い、前進および逆走の両方のパス走破を可能にする。
• 幾何的局所化を明示的に実装せず、視覚的キューと相対的なパス位置を関連付けることで学習する。
• 再帰性を活用してパス進行の記憶を維持することで、制御ノイズや視覚的変化に対して頑健性を発揮する。

実験結果

リサーチクエスチョン

• RQ1 学習可能なビジョアルメモリシステムは、ノイズの多い制御入力が加わる変化する環境下でも、頑健なパスフォローリングとホームインを実現できるか？
• RQ2 ビジョアルメモリとコントローラーのエンドツーエンド訓練は、古典的SLAMベースや教師あり学習ベースラインと比べてどのように優れているか？
• RQ3 学習中に観測した軌道よりも長く、どの程度の軌道長に一般化できるか？
• RQ4 オブジェクトの削除や追加といった環境変化に対して、モデルはどの程度適応できるか？
• RQ5 アーキテクチャのどの要素（例：再帰性、学習された増分関数）が性能に重要か？

主な発見

• 提案されたRPF手法は、3次元再構成と局所化の古典的手法を、パスフォローリングおよびホームインの両タスクにおいて上回り、特に環境変化下で顕著な優位性を示す。
• RPFは、環境内に100％のオブジェクトが削除されたり追加されたりしても、依然として高い性能を維持するが、幾何的ベースラインは急激に性能を低下させる。
• モデルは、学習時に観測した軌道の3倍まで長い軌道にまで一般化でき、強力なゼロショット一般化性能を示す。
• アブレーションスタディにより、再帰性と学習された増分関数が不可欠であることが確認された。両者を除去すると性能が著しく低下する。
• RPFの軌道は、オープンループのロールアウトに比べて、参照パスにきわめて密に一致しており、衝突やドリフトを低減する。
• わずかな迂回が必要な場合、モデルは障害物を回避して正常にナビゲートできるが、大きな逸脱には失敗するため、長距離計画の限界が明らかになった。