[论文解读] To Go or Not To Go? A Near Unsupervised Learning Approach For Robot Navigation

Noriaki Hirose, Amir Sadeghian+2 more|arXiv (Cornell University)|Sep 16, 2017

Robotic Path Planning Algorithms参考文献 29被引用 15

一句话总结

本文提出一种近无监督的深度学习方法，利用生成对抗网络（GANs）基于鱼眼RGB摄像头输入，将机器人导航场景分类为'前进'或'禁止前进'。通过利用机器人经验中大量未标注的正样本数据和极少的人工标注负样本，该方法实现了高精度的实时推理，并可生成仅基于视觉的'前进/禁止前进'代价图，用于路径规划。

ABSTRACT

It is important for robots to be able to decide whether they can go through a space or not, as they navigate through a dynamic environment. This capability can help them avoid injury or serious damage, e.g., as a result of running into people and obstacles, getting stuck, or falling off an edge. To this end, we propose an unsupervised and a near-unsupervised method based on Generative Adversarial Networks (GAN) to classify scenarios as traversable or not based on visual data. Our method is inspired by the recent success of data-driven approaches on computer vision problems and anomaly detection, and reduces the need for vast amounts of negative examples at training time. Collecting negative data indicating that a robot should not go through a space is typically hard and dangerous because of collisions, whereas collecting positive data can be automated and done safely based on the robot's own traveling experience. We verify the generality and effectiveness of the proposed approach on a test dataset collected in a previously unseen environment with a mobile robot. Furthermore, we show that our method can be used to build costmaps (we call as "GoNoGo" costmaps) for robot path planning using visual data only.

研究动机与目标

• 减少机器人导航决策中对昂贵且危险的人工标注负样本的依赖。
• 开发一种仅使用视觉数据的实时、计算高效的可通行与不可通行环境分类方法。
• 仅使用单个鱼眼RGB摄像头，实现仅基于视觉的'前进/禁止前进'代价图（GoNoGo代价图）构建。
• 在极少监督下提升模型在动态、未见过环境中的泛化能力与鲁棒性。

提出的方法

• 使用仅基于正向导航样本（通过机器人安全行驶收集）训练的GAN生成器，学习可通行场景的流形结构。
• 采用残差损失（R）、判别器损失（D）和特征级损失（F）以提升重建保真度与分类性能。
• 引入逆向生成器（Gen⁻¹）实现实时推理，快速预测图像重建误差 |X − X′| 作为可通行性的代理指标。
• 通过在少量标注的正负样本上微调预训练的ResNet，采用近无监督学习策略以提升准确率。
• 结合多种损失组件（R+D+F）以增强模型泛化能力与对边缘情况的鲁棒性。
• 利用重建误差与特征图生成'前进/禁止前进'代价图，其中高误差区域对应障碍物。

实验结果

研究问题

• RQ1 基于GAN的模型能否仅使用少量人工标注的负样本和大量未标注的正样本，在前进/禁止前进分类中实现高准确率？
• RQ2 所提方法能否仅使用单个鱼眼摄像头的视觉输入，生成可靠且实时的代价图用于机器人导航？
• RQ3 与完全监督基线相比，该近无监督方法在准确率、推理速度和内存使用方面表现如何？
• RQ4 该模型能否在无需微调或大量微调的情况下泛化到之前未见过的环境中？
• RQ5 基于GAN的自编码器的重建误差在多大程度上可作为可通行性的可靠代理？

主要发现

• 所提方法在R+D+F损失配置下测试准确率达到94.25%，在准确率和推理速度上均优于完全监督的ResNet基线模型。
• 该方法运行速度达89.69 Hz，显著高于摄像头的15 fps，证明其在移动平台上的实时可行性。
• 与完全监督方法相比，该方法仅需1%的数据进行标注，大幅减少标注工作量。
• 由分类器生成的'前进/禁止前进'代价图成功实现实时路径规划，可绕过动态障碍物（如垃圾桶）。
• 与全微调深度网络（如ResNet-152）相比，该方法显著降低内存占用与计算成本，后者需1357 MB内存且仅能运行在12.21 Hz。
• 显著性图可视化结果表明，模型聚焦于障碍物和边缘等关键场景区域，支持其可解释性与可靠性。