[论文解读] Door Delivery of Packages using Drones.

Shyam Sundar Kannan, Byung‐Cheol Min|arXiv (Cornell University)|Apr 12, 2021

Robotics and Sensor-Based Localization参考文献 16被引用 5

一句话总结

本文提出了一种无人机递送系统，该系统利用语义分割技术自主识别并导航至特定的室内递送位置，而无需依赖外部标记。通过解析自然语言指令并利用深度学习估算安全下降点，无人机在仿真环境中成功导航至目标位置（如前门），展示了无需标记、基于指令的递送能力。

ABSTRACT

In this work, we present a system that enables delivery drones to autonomously navigate and deliver packages at various locations around the house. The objective of this to reach a specific location in the house where the recipient wants the package to be delivered by the drone without the use of any external markers as currently used. This work is motivated by the recent advancements in semantic segmentation using deep learning that can potentially replace the specialized marker used by the current delivery drone for identifying the place where it needs to deliver the package. The proposed system is more natural in the sense that it takes an instruction input on where to deliver the package similar to the instructions provided to the human couriers. We propose a semantic segmentation-based lowering location estimator that enables the drone to find a safe spot around the house to lower from higher altitudes. Following this, we propose a strategy for visually routing the drone from the location where it lowered to a specific location like the front door of the house where it needs to deliver the package. We extensively evaluate the proposed approach in a simulated environment that demonstrates that the delivery drone can deliver the package to the front door and also to other specified locations around the house.

研究动机与目标

• 实现无人机在不依赖外部标记的情况下，将包裹递送至特定的室内位置。
• 用语义分割替代基于标记的定位方式，以实现更自然、更接近人类的递送指令。
• 开发一种能够解析自然语言递送指令并将其映射至家庭内物理位置的系统。
• 实现从安全下降点到最终递送目的地的自主视觉路径规划。
• 在逼真的仿真室内环境中评估系统的性能。

提出的方法

• 该系统利用语义分割，基于视觉输入在房屋内部识别潜在的安全下降位置。
• 下降位置估计算法从视觉输入中选择最适合的下降点。
• 无人机利用视觉导航从下降点路由至最终的递送位置，例如前门。
• 系统处理自然语言指令，以确定环境中的目标递送点。
• 使用仿真环境对无人机的导航与递送精度进行训练与评估。
• 采用深度学习模型解析视觉场景与空间指令，以实现定位与路径规划。

实验结果

研究问题

• RQ1 无人机能否仅通过语义分割与视觉输入，在房屋内部准确识别出安全的下降位置？
• RQ2 无人机能否仅依靠视觉线索，从下降点导航至如前门等指定的室内位置？
• RQ3 该系统在无外部标记的情况下，向特定位置递送包裹的性能如何？
• RQ4 自然语言指令在多大程度上能被有效映射至室内环境中的物理递送点？
• RQ5 该系统的性能在不同室内环境与递送位置之间如何变化？

主要发现

• 无人机在仿真环境中成功利用语义分割识别出安全的下降位置。
• 该系统实现了从下降点到目标递送位置（如前门）的精确视觉路径规划。
• 无人机在不依赖外部标记的情况下成功完成指定室内位置的递送。
• 该方法证明了基于深度学习与视觉导航实现无标记、基于指令的室内无人机递送的可行性。
• 仿真结果证实，该系统能够处理多样化的室内环境与递送点。
• 与依赖标记的系统相比，该方法可提供更自然、更具可扩展性的递送体验。