[논문 리뷰] Autonomous UAV Navigation with Domain Adaptation.

Jaeyoon Yoo, Yongjun Hong외 1명|arXiv (Cornell University)|2017. 12. 11.

Domain Adaptation and Few-Shot Learning참고 문헌 68인용 수 6

한 줄 요약

이 논문은 레이블이 부여된 실세계 이미지가 필요 없이 다양한 실외 환경에서 무인 항공기(UAV)가 자율 주행할 수 있도록 적대적 학습을 활용한 도메인 적응 방법을 제안한다. 시뮬레이션된 도메인과 실세계 도메인 간의 특징 분포를 정렬함으로써, 최소한의 레이블링 노력으로도 예측할 수 없는 환경에서 견고한 주행 성능을 달성한다.

ABSTRACT

Unmanned Aerial Vehicle(UAV) autonomous driving gets popular attention in machine learning field. Especially, autonomous navigation in outdoor environment has been in trouble since acquiring massive dataset of various environments is difficult and environment always changes dynamically. In this paper, we apply domain adaptation with adversarial learning framework to UAV autonomous navigation. We succeed UAV navigation in various courses without assigning corresponding label information to real outdoor images. Also, we show empirical and theoretical results which verify why our approach is feasible.

연구 동기 및 목표

• 동적인 실외 환경에서 UAV 자율 주행을 위한 제한된 레이블이 부여된 실세계 데이터 문제를 해결한다.
• 재학습이나 수동 레이블링 없이도 예측할 수 없는 실외 환경 간의 일반화를 가능하게 한다.
• 합성 및 실세계 시각 입력 간의 도메인 차이를 줄이기 위한 도메인 적응 프레임워크를 개발한다.
• 레이블이 없는 실세계 외부 이미지와 도메인 적응 특징만을 사용하여 효과적인 UAV 주행을 달성한다.
• 이론적 분석과 실증 평가를 통해 접근 방식의 타당성을 검증한다.

제안 방법

• 합성(시뮬레이션된) 및 실세계 외부 이미지의 특징 분포를 정렬하기 위해 적대적 도메인 적응 프레임워크를 활용한다.
• 학습 중에 소스(시뮬레이션된) 도메인과 타겟(실세계) 도메인의 특징을 구분하는 도메인 구분망을 사용한다.
• 도메인 차이를 최소화하기 위해 적대적 손실을 함께 최적화하여 세그멘테이션 또는 주행 정책 네트워크를 엔드 투 엔드로 훈련시킨다.
• 특징 추출기가 도메인 불변 표현을 생성하도록 유도하기 위해 적대적 훈련을 적용한다.
• 추론 중에 레이블이 없는 실세계 외부 이미지를 사용하여 어떤 대응 레이블도 필요 없이 주행을 가능하게 한다.
• 도메인 불변 특징을 활용하여 다양한 예측할 수 없는 실외 환경 간의 일반화를 향상시킨다.

실험 결과

연구 질문

• RQ1 적대적 도메인 적응이 합성 및 실세계 UAV 시각 입력 간의 도메인 차이를 효과적으로 줄일 수 있는가?
• RQ2 레이블이 없는 실세계 데이터 없이 UAV가 예측할 수 없는 실외 환경에서 얼마나 잘 주행할 수 있는가?
• RQ3 제안된 도메인 적응 프레임워크는 다양한 실세계 환경 간의 일반화를 어떻게 향상시키는가?
• RQ4 이 접근 방식의 타당성을 뒷받침하는 이론적 및 실증적 증거는 무엇인가?

주요 결과

• 제안된 방법은 어떤 레이블이 없는 실세계 이미지 없이도 다양한 실외 코스에서 UAV 주행을 가능하게 한다.
• 실증 결과는 레이블이 없는 실세계 이미지만을 사용하여 여러 예측할 수 없는 환경에서 성공적인 주행을 달성했다는 것을 보여준다.
• 이론적 분석은 UAV 시각 인식에서 도메인 적응이 도메인 차이를 줄이는 데 타당하다는 것을 확인한다.
• 적대적 도메인 적응 프레임워크는 합성 및 실세계 도메인 간의 특징 분포를 효과적으로 정렬한다.
• 이 방법은 동적인 및 이전에 본 적이 없는 실외 환경으로의 견고한 일반화를 달성한다.
• 높은 비용이 드는 실세계 레이블링 의존도를 줄이면서도 주행 성능를 유지한다.