[논문 리뷰] Exploration of Indoor Environments Predicting the Layout of Partially Observed Rooms

Matteo Luperto, Luca Fochetta외 1명|arXiv (Cornell University)|2020. 04. 15.

Robotics and Sensor-Based Localization참고 문헌 28인용 수 4

한 줄 요약

이 논문은 부분적으로 관측된 실내 공간의 기하학적 규칙성을 활용해 레이아웃을 예측함으로써, 예측된 가시 영역과 조기 종료 기준에 기반해 다음 최적의 시점 선택을 통해 더 빠른 지도 구축을 가능하게 하는 이동 로봇을 위한 새로운 탐색 전략을 제안한다. 특히 레이아웃 예측이 정확해지는 후반 단계에서 탐색 시간을 크게 단축시킨다.

ABSTRACT

We consider exploration tasks in which an autonomous mobile robot incrementally builds maps of initially unknown indoor environments. In such tasks, the robot makes a sequence of decisions on where to move next that, usually, are based on knowledge about the observed parts of the environment. In this paper, we present an approach that exploits a prediction of the geometric structure of the unknown parts of an environment to improve exploration performance. In particular, we leverage an existing method that reconstructs the layout of an environment starting from a partial grid map and that predicts the shape of partially observed rooms on the basis of geometric features representing the regularities of the indoor environment. Then, we originally employ the predicted layout to estimate the amount of new area the robot would observe from candidate locations in order to inform the selection of the next best location and to early stop the exploration when no further relevant area is expected to be discovered. Experimental activities show that our approach is able to effectively predict the layout of partially observed rooms and to use such knowledge to speed up the exploration.

연구 동기 및 목표

• 부분적으로 관측된 실내 공간의 예측된 기하학적 레이아웃을 활용해 미지의 실내 환경에서 자율 로봇 탐색을 향상시키는 것.
• 기존의 프론티어 기반 방법을 초월해 예측된 레이아웃을 활용해 시점 선택을 안내함으로써 탐색 시간을 단축시키는 것.
• 더 이상 의미 있는 새로운 영역이 발견되지 않을 것으로 예상될 경우 탐색을 조기에 종료할 수 있도록 하는 것.
• 사전에 바닥도를 알고 있지 않은 상태에서 실시간 탐색 결정에 레이아웃 예측을 통합하는 것.
• 관측 완전성 수준이 다양한 대규모 시뮬레이션 및 실제 환경에서 방법을 검증하는 것.

제안 방법

• 이전에 개발된 레이아웃 복원 기법을 사용해 부분적인 격자 지도에서 관측된 영역의 레이아웃을 복원하며, 이 기법은 방을 다각형으로 모델링하고 노이즈를 걸러낸다.
• 사무실 및 학교와 같은 구조화된 실내 환경에서 흔한 공유 벽과 대칭성 등의 기하학적 규칙성을 활용해 부분적으로 관측된 방의 형태를 예측한다.
• 예측된 레이아웃을 사용해 후보 프론티어 위치에서 예상되는 가시 영역(I(p))를 추정함으로써, 레이저 스캔 프로파일에만 의존하는 기존 방법보다 개선된 성능을 달성한다.
• 레이아웃 예측에 기반해 예측된 미관측 영역이 임계값(1 m²) 이하일 경우 탐색을 종료하는 새로운 조기 종료(ES) 기준을 도입한다.
• 각 탐색 단계에서 레이아웃 예측을 동적으로 갱신하여 관측된 환경의 비율이 증가함에 따라 정확도를 향상시킨다.
• 대규모 시뮬레이션된 실내 환경에서 평가되었으며, 이전 연구에서 확보한 실제 지도를 활용해 검증되었으며, 센서 노이즈와 혼잡함에 대해 뛰어난 내성성을 보였다.

실험 결과

연구 질문

• RQ1 부분적으로 관측된 실내 공간의 레이아웃을 예측함으로써, 미지의 실내 환경에서 로봇 탐색의 효율성을 향상시킬 수 있는가?
• RQ2 기존의 프론티어 기반 전략과 비교해, 레이아웃 예측은 다음 최적의 시점 선택에 어떤 영향을 미치는가?
• RQ3 예측된 레이아웃에 기반한 조기 종료는 지도 완전성에 손상을 주지 않으면서 총 탐색 시간을 얼마나 줄일 수 있는가?
• RQ4 레이아웃 예측의 정확도는 탐색 과정에서 어떻게 변화하며, 어느 순간부터 성능 향상이著명하게 나타나는가?
• RQ5 제안된 방법은 실생활에서의 센서 노이즈와 부분적 관측을 신뢰성 있게 처리할 수 있는가?

주요 결과

• 조기 종료 기준이 환경의 90%가 탐색된 시점에 발동될 경우, 평균적으로 탐색 시간을 50% 감소시키지만, 한 번 정도 방을 놓치는 경우가 있다.
• 95% 탐색 완전도에서 조기 종료 기준이 적용되면 평균적으로 탐색 시간이 20% 감소하며, 미세한 레이아웃 정확도 오차가 있는 상태에서도 지도를 성공적으로 완성한다.
• 환경의 약 90%가 탐색된 이후까지는 기준 전략과 유사하게 성능를 보이지만, 정확한 레이아웃 예측 덕분에 후반 단계에서 현저히 뛰어난 성능을 발휘한다.
• 환경의 80–90%가 알려진 상태에서 예측된 레이아웃은 부분적으로 관측된 방의 형태를 신뢰성 있게 추정하며, 이는 효과적인 시점 평가를 가능하게 한다.
• 센서 노이즈가 있는 실제 지도에서는 레이아웃 예측이 노이즈를 효과적으로 걸러내고, 모든 프론티어에 대해 미관측 영역의 정확한 추정치를 제공한다.
• 레이아웃 예측을 탐색 결정에 통합함으로써 성능 향상이 명확하게 나타나며, 특히 환경 관측이 진행됨에 따라 예측 정확도가 향상될수록 성과가著명하게 향상됨을 보여준다.