[논문 리뷰] The AdobeIndoorNav Dataset: Towards Deep Reinforcement Learning based Real-world Indoor Robot Visual Navigation

Kaichun Mo, Haoxiang Li외 2명|arXiv (Cornell University)|2018. 02. 24.

Multimodal Machine Learning Applications참고 문헌 26인용 수 22

한 줄 요약

이 논문은 24개의 장면에서 밀도 높은 360° 파ano라마 이미지와 3D 재구성 정보를 포함한 고품질 실내 시각 탐색 벤치마크인 AdobeIndoorNav 데이터셋을 소개한다. 이는 깊이 강화학습(DRL) 학습에 현실적인 시각 입력을 제공하며, 표준 DRL 정책이 근접한 목표물로의 일반화에 실패하는 이유는 공간적 특징 표현이 열악하기 때문임을 입증한다. 이 문제는 조기 컨볼루션 레이어에서 유도된 공간 인식 특징을 사용함으로써 완화되며, 이로 인해 미사용 장면에서의 제로샷 일반화 정확도가 53.0%에서 72.6%로 향상된다.

ABSTRACT

Deep reinforcement learning (DRL) demonstrates its potential in learning a model-free navigation policy for robot visual navigation. However, the data-demanding algorithm relies on a large number of navigation trajectories in training. Existing datasets supporting training such robot navigation algorithms consist of either 3D synthetic scenes or reconstructed scenes. Synthetic data suffers from domain gap to the real-world scenes while visual inputs rendered from 3D reconstructed scenes have undesired holes and artifacts. In this paper, we present a new dataset collected in real-world to facilitate the research in DRL based visual navigation. Our dataset includes 3D reconstruction for real-world scenes as well as densely captured real 2D images from the scenes. It provides high-quality visual inputs with real-world scene complexity to the robot at dense grid locations. We further study and benchmark one recent DRL based navigation algorithm and present our attempts and thoughts on improving its generalizability to unseen test targets in the scenes.

연구 동기 및 목표

• DRL 기반 로봇 탐색에서 시뮬레이션 환경과 실세계 환경 간의 도메인 갭을 해소하기 위해 고성능 실세계 데이터셋을 제공함으로써.
• 실제 실내 환경에서 얻은 현실적인 밀도 높은 시각 입력을 사용하여 DRL 정책을 훈련할 수 있도록 지원함으로써.
• 최신 DRL 탐색 정책이 실세계 환경에서 일반화 실패를 보이는 이유, 특히 근접한 목표물 탐색 오류의 원인을 조사함으로써.
• 실세계 탐색에서 유사한 근접한 시야 간의 일반화 성능을 향상시키기 위해 공간 인식 특징 표현을 제안하고 실험적으로 검증함으로써.

제안 방법

• 24개의 실내 장면에서 0.4–0.5m 간격의 조밀한 격자 위치에서 360° 파노라마 이미지와 3D 포인트 클라우드 재구성을 수집하기 위해 반자동적이고 재현 가능한 파이프라인을 사용함.
• SLAM을 탑재한 실제 로봇을 사용하여 고품질의 시각 입력을 캡처하고 3D 장면를 재구성함으로써, 일반적인 3D 재구성 파이프라인에서 흔히 발생하는 잡음 요소를 최소화함.
• 에이전트가 네 가지 이산 동작(전진, 후진, 좌회전, 우회전)을 사용하여 시각 입력에서 목표 시야로 이동하는 목표 지향 DRL 프레임워크를 채택함.
• 표준 2,048차원 전역 평균 풀링 CNN 특징 대신 조기 컨볼루션 레이어에서 유도된 공간 인식 특징 맵(7×7×2048)을 사용하여 공간적 맥락을 유지함.
• 근접한 두 시야 간의 정확한 동작(예: 전진/후진, 좌회전/우회전)을 예측함으로써 특징 품질을 평가하기 위해 시아미즈 네트워크를 활용함.
• 동일 장면 및 교차 장면 이미지 쌍에 대해 시아미즈 모델을 훈련 및 테스트하여 제로샷 일반화 성능을 평가함.

실험 결과

연구 질문

• RQ1 실세계 시각 입력을 기반으로 훈련된 DRL 기반 시각 탐색 정책이 동일 환경 내에서 미사용된 테스트 목표물로 일반화할 수 있는가?
• RQ2 표준 DRL 정책이 목표 근처에 도달하지 못하는 이유는 무엇인가? 특히, 거시적 레이아웃 인식 능력은 갖추고 있음에도 불구하고.
• RQ3 실세계 탐색에서 시각적 특징의 공간적 구조를 유지함으로써 유사한 근접한 시야 간의 일반화 성능이 향상되는가?
• RQ4 공간 인식 특징을 사용할 경우와 표준 전역 특징을 사용할 경우 DRL 정책의 성능는 어떻게 변화하는가?
• RQ5 진단용 시아미즈 네트워크는 근접한 목표물 탐색을 위한 시각적 특징의 분류 능력을 효과적으로 측정할 수 있는가?

주요 결과

• 표준 DRL 정책은 목표 근처에 도달하지 못하는데, 이는 비슷한 시각적 특징을 갖는 시야를 구분하지 못하기 때문이며, 이는 목표 근처에 도달한 후에도 여전히 발생한다.
• 2,048차원 전역 평균 풀링 특징을 사용할 경우, 동일 장면 내 근접한 시야 매칭 정확도는 83.5%에 그친다.
• 전역 특징을 공간 인식 특징 맵(7×7×2048)으로 대체함으로써, 동일 장면 내 매칭 정확도는 87.5%로 향상된다.
• 미사용 장면에서는 더욱 두드러진 향상이 나타나며, 제로샷 일반화 정확도가 공간 인식 특징을 사용할 경우 53.0%에서 72.6%로 상승한다.
• 진단 실험 결과, 공간 인식 특징은 근접한 목표물 탐색 실패를 해결하는 데 핵심적인 분류 능력을 지닌 공간 정보를 더 잘 캡처하고 있음을 확인하였다.