[논문 리뷰] Predicting Terrain Mechanical Properties in Sight for Planetary Rovers with Semantic Clues

Ruyi Zhou, Wenhao Feng외 5명|arXiv (Cornell University)|2020. 11. 03.

Robotic Locomotion and Control참고 문헌 50인용 수 4

한 줄 요약

이 논문은 정거장에 장착된 카메라에서 얻은 의미적 단서를 활용하여 시야 범위 내에서 지형의 기계적 성질(지지력 및 전단 저항)을 사전에 예측하는 시각 기반 방법을 제안한다. 이는 사전 경로 계획을 가능하게 하여 행 星 탐사차의 안전성을 높인다. 경량의 의미 분할 네트워크를 사용한 후 인간과 유사한 추론을 통해 시험 경로에서 지지력에 대해 12.5%, 전단 저항에 대해 10.8%의 전 스케일 오차로 성능을 달성하여, 행 星 탐사차의 경로 계획 안정성을 크게 향상시킨다.

ABSTRACT

Non-geometric mobility hazards such as rover slippage and sinkage posing great challenges to costly planetary missions are closely related to the mechanical properties of terrain. In-situ proprioceptive processes for rovers to estimate terrain mechanical properties need to experience different slip as well as sinkage and are helpless to untraversed regions. This paper proposes to predict terrain mechanical properties with vision in the distance, which expands the sensing range to the whole view and can partly halt potential slippage and sinkage hazards in the planning stage. A semantic-based method is designed to predict bearing and shearing properties of terrain in two stages connected with semantic clues. The former segmentation phase segments terrain with a light-weighted network promising to be applied onboard with competitive 93% accuracy and high recall rate over 96%, while the latter inference phase predicts terrain properties in a quantitative manner based on human-like inference principles. The prediction results in several test routes are 12.5% and 10.8% in full-scale error and help to plan appropriate strategies to avoid suffering non-geometric hazards.

연구 동기 및 목표

• 행 星 탐사차 임무에서 기하학적 특성 외의 이동 장애 요인인 미끄러짐과 침하 문제를 해결하기 위해.
• 현장에서의 자가 감지 능력을 넘어서, 먼 곳의 시각 데이터로부터 지형의 기계적 성질을 예측하여 감지 범위를 확장하기 위해.
• 의미적 단서를 활용하여 도달 전에 지형의 정량적 기계적 성질을 추론하는 방법을 개발하기 위해.
• 탐사차가 위험 지역에 도달하기 전에 지형 성질을 추정함으로써 사전 경로 계획을 가능하게 하기 위해.
• 현장에 통합 가능한 고성능과 저연산 비용을 동시에 확보하면서도 지형 분할의 정확도와 재현율을 높이기 위해.

제안 방법

• 경량의 의미 분할 네트워크를 사용하여 차량 내 카메라 영상에서 실시간으로 지형 유형을 분류한다.
• 이 방법은 이중 단계 파이프라인을 활용한다: 먼저 지형을 의미적 카테고리로 분할하고, 그 다음에 인간과 유사한 추론 원리를 기반으로 기계적 성질을 추론한다.
• 기계적 성질 예측은 분할된 지형 영역에서 유도된 의미적 단서를 사용하여 정량적으로 수행된다.
• 추론 단계에서는 인간의 지각 방식에 유사한 유사성 모델링을 통해 시각적 질감, 색상, 구조를 기반으로 기계적 성질을 할당한다.
• 고효율성과 저연산 비용을 확보하여 차량 내 통합을 위한 설계가 이루어졌다.
• 의미 분할과 물리적 성질 추정을 통합하여 직접 접촉이 없는 감지 범위를 확장한다.

실험 결과

연구 질문

• RQ1 멀리 떨어진 시각 데이터로부터 지형의 기계적 성질을 예측하여 기하학적 특성 외의 위험 요소를 사전에 인지할 수 있는가?
• RQ2 의미 분할 및 추론 모델이 행성 지형의 지지력과 전단 저항을 얼마나 정확하게 추정할 수 있는가?
• RQ3 순수한 기하학적 또는 물리적 모델에 비해 의미적 단서를 활용할 경우 예측 정확도가 얼마나 향상되는가?
• RQ4 제안된 방법이 수용 가능한 연산 부담을 감안할 때 차량 내에 통합 가능한가?
• RQ5 이 방법은 경로 계획 중에 미끄러짐과 침하 위험을 얼마나 효과적으로 줄이는가?

주요 결과

• 의미 분할 모델은 정확도 93%와 재현율 96% 이상을 달성하여 현장 통합에 적합한 뛰어난 성능을 입증하였다.
• 예측 방법은 시험 경로에서 지지력에 대해 12.5%, 전단 저항에 대해 10.8%의 전 스케일 오차로 줄였다.
• 시스템은 현장 측정을 초월한 감지 범위를 확보하여 임무 계획 단계에서 장애 예측이 가능하도록 했다.
• 분할 후 의미 기반 추론을 통한 이중 단계 접근 방식이 직접 접촉 없이도 기계적 성질을 효과적으로 추정하는 데 성공했다.
• 이 방법은 도달 전에 기하학적 특성 외의 위험 요소인 미끄러짐과 침하를 사전에 피하는 데 기여한다.
• 결과적으로, 행성 탐사차의 실시간 지형 역학 예측을 위한 시각 및 의미적 단서의 타당성을 입증하였다.