[論文レビュー] Frontier-based Automatic-differentiable Information Gain Measure for Robotic Exploration of Unknown 3D Environments

Di Deng, Zhefan Xu+2 more|arXiv (Cornell University)|Nov 10, 2020

Robotic Path Planning Algorithms参考文献 24被引用数 9

ひとこと要約

本論文では、可視フロントゥンボクセル数の自動微分を可能にするためにファジィ論理フィルタを導入することで、ロボットの3次元探索のための微分可能でフロントゥンベースの情報利得測定法を提案する。この手法により、勾配に基づく探索経路最適化が可能となり、情報利得の向上と経路長の短縮を同時に実現する。シミュレーション環境における実験では、情報利得が最大73%向上し、経路長が12.5%短縮された。

ABSTRACT

The path planning problem for autonomous exploration of an unknown region by a robotic agent typically employs frontier-based or information-theoretic heuristics. Frontier-based heuristics typically evaluate the information gain of a viewpoint by the number of visible frontier voxels, which is a discrete measure that can only be optimized by sampling. On the other hand, information-theoretic heuristics compute information gain as the mutual information between the map and the sensor's measurement. Although the gradient of such measures can be computed, the computation involves costly numerical differentiation. In this work, we add a novel fuzzy logic filter in the counting of visible frontier voxels surrounding a viewpoint, which allows the gradient of the information gain with respect to the viewpoint to be efficiently computed using automatic differentiation. This enables us to simultaneously optimize information gain with other differentiable quality measures such as path length. Using multiple simulation environments, we demonstrate that the proposed gradient-based optimization method consistently improves the information gain and other quality measures of exploration paths.

研究の動機と目的

• 未知の3次元環境におけるロボット経路計画において、離散的で微分不可能なフロントゥンベースのヒューリスティクスの限界を解消すること。
• ファジィ論理フィルタを用いてフロントゥンベースの情報利得測定法を微分可能にすることで、勾配に基づく探索経路最適化を可能にすること。
• 自動微分を用いた非線形最適化フレームワークにより、情報利得と経路長を同時に最適化すること。
• 微分可能な情報利得とトラジェクトリ最適化を統合することで、探索効率を向上させ、サンプリングベースの手法や従来のフロントゥン手法を凌駕すること。

提案手法

• ロボットの視点から可視フロントゥンボクセル数のカウントをなめらかにするためにファジィ論理フィルタを導入し、離散的カウントを連続的で微分可能な関数に変換する。
• 自動微分を用いて、ロボットのポーズに関する情報利得の勾配を計算し、効率的な最適化を可能にする。
• 微分可能な情報利得を経路長やその他の品質指標と組み合わせ、非線形目的関数として統合する。
• 勾配に基づく最適化アルゴリズムを用いてロボットの経路を最適化し、情報利得と経路の滑らかさの両方を向上させる。
• AirSimを用いたシミュレーションで、3つの複雑な屋内環境において、RGB-Dセンサを装備した多旋翼ドローンを用いて手法を検証する。
• 環境を確率的オクキュパンシーマップで表現し、フロントゥンを既知領域と未知領域の境界として定義する。

実験結果

リサーチクエスチョン

• RQ1 3次元ロボット探索における勾配ベースの経路最適化を可能にするために、フロントゥンベースの情報利得測定法を微分可能にできるか？
• RQ2 提案手法の微分可能なフロントゥン測定法は、サンプリングベースの手法と比較して、情報利得と経路効率の面でどのように異なるか？
• RQ3 微分可能な情報利得と経路長最適化を統合することで、滑らかでより効率的な探索経路が得られるか？
• RQ4 提案手法は、複雑な3次元環境において、従来のフロントゥンベース手法や情報理論的ヒューリスティクスを上回るカバレッジと探索時間の性能を示せるか？

主な発見

• 最適化後、ストレージルーム環境では情報利得が73.06%向上し、経路長が12.51%短縮された。
• ラボ環境では、情報利得が42.78%向上し、経路長が3.83%短縮された。
• 工場環境では、情報利得が58.02%上昇し、経路長が5.81%短縮された。
• 最適化された経路は、ストレージルームで98.64%、ラボで98.91%、工場で96.38%のカバレッジを達成し、RH-NBVおよびフロントゥンベースのベースラインを両方の指標で上回った。
• 勾配ベースの最適化により、RH-NBV（ラボで3.21分対6.49分）およびフロントゥンベース手法（5.34分）と比較して、探索時間が顕著に短縮された。
• 全テスト環境において、情報利得と経路の滑らかさが一貫して向上し、反復処理において情報利得に劣化が生じなかった。