[논문 리뷰] Hierarchical Evidence Accumulation in the Pseiki System and Experiments in Model-Driven Mobile Robot Navigation

A.C. Kak, Keith M. Andress외 3명|arXiv (Cornell University)|2013. 03. 27.

Robotics and Sensor-Based Localization참고 문헌 3인용 수 7

한 줄 요약

이 논문은 3차원 실내 환경에서 모델 기반의 기대 기반 해석을 가능하게 하기 위해 델름스터-샤이어 체계를 통한 계층적 증거 누적 방식을 사용하는 Pseiki 시스템을 제시한다. 인식된 이미지의 추상화된 구조를 기대되는 기하학적 계층과 정렬함으로써, 신뢰 기반의 시각적 증거 융합을 통해 시스템은 실내 환경에서 견고한 자율 주행을 달성하였으며, 실제 모바일 로봇을 대상으로 한 실험을 통해 검증되었다.

ABSTRACT

In this paper, we will review the process of evidence accumulation in the PSEIKI system for expectation-driven interpretation of images of 3-D scenes. Expectations are presented to PSEIKI as a geometrical hierarchy of abstractions. PSEIKI's job is then to construct abstraction hierarchies in the perceived image taking cues from the abstraction hierarchies in the expectations. The Dempster-Shafer formalism is used for associating belief values with the different possible labels for the constructed abstractions in the perceived image. This system has been used successfully for autonomous navigation of a mobile robot in indoor environments.

연구 동기 및 목표

• 기대 기반의 시각적 해석을 통해 실내 환경에서 자율적인 모바일 로봇 주행을 가능하게 하기 위해.
• 인식된 이미지의 추상화된 구조와 기대되는 기하학적 구조를 정렬하는 계층적 증거 누적 프레임워크를 개발하기 위해.
• 시각적 특징과 객체 가설에 대한 신뢰 기반 추론을 위해 델름스터-샤이어 체계를 적용하기 위해.
• 실제 모바일 로봇 주행 작업에서의 시스템 유효성 검증을 위해.
• 다양한 추상 수준 간의 체계적인 신뢰 전파를 통해 시각적 환경의 불확실성 속에서도 견고성을 확보하기 위해.

제안 방법

• 기대를 추상적인 형태와 공간적 관계의 기하학적 계층으로 표현하기 위해.
• 저수준의 시각적 특징을 사용하여 인식된 이미지에 대응하는 추상화 계층을 구성하기 위해.
• 증거 기반으로 이미지 추상화의 가능한 레이블에 대한 신뢰 값을 할당하기 위해 델름스터-샤이어 이론을 적용하기 위해.
• 저수준 특징에서 고수준 객체 해석에 이르기까지 증거를 계층적으로 누적하기 위해.
• 다양한 수준 간의 신뢰 융합을 통해 모호성을 해소하고 주행 의사결정을 지원하기 위해.
• 실시간 모델 기반 주행을 위한 모바일 로봇 아키텍처에 시스템을 통합하기 위해.

실험 결과

연구 질문

• RQ1 기대와 인식된 장면 사이에서 계층적 시각적 추상화를 효과적으로 매칭할 수 있는 방법은 무엇인가?
• RQ2 다중 수준의 시각적 해석에서 견고한 신뢰 누적을 가능하게 하는 체계는 무엇인가?
• RQ3 모델 기반의 기대 기반 시스템이 복잡한 실내 환경에서 신뢰할 수 있는 주행을 달성할 수 있는가?
• RQ4 계층적 증거 누적이 시각적 불확실성이 존재하는 상황에서 견고성을 어떻게 향상시키는가?
• RQ5 실제 모바일 로봇 주행 작업에서 시스템의 성능은 어떠한가?

주요 결과

• Pseiki 시스템은 기대 기반의 시각적 해석을 통해 실내 환경에서 모바일 로봇의 자율 주행을 성공적으로 구현하였다.
• 델름스터-샤이어 체계를 활용한 계층적 증거 누적 방식이 불확실성 상황에서 객체 및 장면 해석에 대한 신뢰도를 향상시켰다.
• 기대되는 기하학적 계층과 인식된 이미지의 구조 사이에 효과적인 정렬이 이루어졌다.
• 신뢰 값이 추상 수준 간에 효과적으로 전파되어 주행 의사결정에 신뢰할 수 있는 지원을 제공하였다.
• 실제 환경에서의 실험 결과, 시스템은 견고한 성능을 보였으며 성공적인 주행 결과가 보고되었다.
• 모델 기반의 기대와 점진적 증거 누적 방식의 통합은 장면 이해 및 주행 성능 향상에 기여하였다.