[论文解读] SGoLAM: Simultaneous Goal Localization and Mapping for Multi-Object Goal Navigation

Junho Kim, Eun Sun Lee+3 more|arXiv (Cornell University)|Oct 14, 2021

Multimodal Machine Learning Applications参考文献 32被引用 4

一句话总结

SGoLAM 提出了一种无需训练的模块化方法，用于在使用 RGB-D 和 GPS/指南针传感器的条件下进行多目标目标导航，结合经典投影几何实现同时的目标定位与占用地图构建。其性能与基于学习的方法相当，在 CVPR 2021 MultiON 挑战赛中排名第二。

ABSTRACT

We present SGoLAM, short for simultaneous goal localization and mapping, which is a simple and efficient algorithm for Multi-Object Goal navigation. Given an agent equipped with an RGB-D camera and a GPS/Compass sensor, our objective is to have the agent navigate to a sequence of target objects in realistic 3D environments. Our pipeline fully leverages the strength of classical approaches for visual navigation, by decomposing the problem into two key components: mapping and goal localization. The mapping module converts the depth observations into an occupancy map, and the goal localization module marks the locations of goal objects. The agent's policy is determined using the information provided by the two modules: if a current goal is found, plan towards the goal and otherwise, perform exploration. As our approach does not require any training of neural networks, it could be used in an off-the-shelf manner, and amenable for fast generalization in new, unseen environments. Nonetheless, our approach performs on par with the state-of-the-art learning-based approaches. SGoLAM is ranked 2nd in the CVPR 2021 MultiON (Multi-Object Goal Navigation) challenge. We have made our code publicly available at \emph{https://github.com/eunsunlee/SGoLAM}.

研究动机与目标

• 解决在无需在新环境中进行训练的前提下，导航至 3D 环境中一系列目标对象的挑战。
• 通过避免端到端深度学习，提升在未见过环境中的泛化能力和可迁移性。
• 将多目标导航分解为模块化组件：地图构建与目标定位，利用经典几何方法。
• 在保持快速部署和可适应性的同时，实现与基于学习的方法相竞争的性能。

提出的方法

• 地图构建模块使用投影几何将深度观测转换为 3D 占用地图，保持帧间空间一致性。
• 目标定位模块利用 RGB-D 特征和目标检测，在俯视图地图中标记目标对象的 2D 位置。
• 智能体的策略采用混合策略：若检测到目标，则直接规划前往；否则执行探索。
• 系统使用俯视图网格表示法表示地图和目标位置，支持使用经典路径规划算法进行高效规划。
• 所有组件均通过经典计算机视觉与几何方法独立训练或优化——无需神经网络训练。
• 该方法具有模块化和可重用性，可在无需重新训练的情况下即插即用部署于新环境。

实验结果

研究问题

• RQ1 经典非学习方法是否能在多目标目标导航任务中实现与最先进基于学习方法相竞争的性能？
• RQ2 将地图构建与目标定位模块化分解在未见过的 3D 环境中如何提升泛化能力？
• RQ3 无训练导航系统在成功度与进展度指标上，能在多大程度上超越基于学习的基线方法？
• RQ4 在多目标任务中，经典方法与基于学习的方法在成功率与路径效率之间存在何种权衡？

主要发现

• SGoLAM 的成功率为 0.62，显著优于所有基线方法，包括 NoMap (RNN) 的 0.05 和 VisMemoryMap 的 0.43。
• 该方法的进展度指标达到 0.71，超过第二好的基线方法 AuxTaskMap 的 0.70。
• 在路径效率方面，SGoLAM 在 PPL 上得分为 0.39，在 SPL 上得分为 0.34，虽低于最佳基于学习的方法（AuxTaskMap），但仍具高度竞争力。
• 尽管未使用任何神经网络训练，SGoLAM 在未见过环境中仍展现出强大的泛化能力与快速部署性能。
• 结果证实，经典基于几何的方法可在复杂、长时程导航任务中实现高成功率。
• 路径效率上的性能差距凸显了经典规划器的已知局限性，但 SGoLAM 整体仍表现出高度有效性。