[论文解读] Unifying Map and Landmark Based Representations for Visual Navigation

Saurabh Gupta, David F. Fouhey+2 more|arXiv (Cornell University)|Dec 21, 2017

Robotics and Sensor-Based Localization参考文献 32被引用 64

一句话总结

本文提出一个可微分的端到端学习框架，将基于地图的规划与基于地标的执行结合起来，利用路径签名和特征合成在观测稀疏、执行噪声的情况下鲁棒导航。

ABSTRACT

This works presents a formulation for visual navigation that unifies map based spatial reasoning and path planning, with landmark based robust plan execution in noisy environments. Our proposed formulation is learned from data and is thus able to leverage statistical regularities of the world. This allows it to efficiently navigate in novel environments given only a sparse set of registered images as input for building representations for space. Our formulation is based on three key ideas: a learned path planner that outputs path plans to reach the goal, a feature synthesis engine that predicts features for locations along the planned path, and a learned goal-driven closed loop controller that can follow plans given these synthesized features. We test our approach for goal-driven navigation in simulated real world environments and report performance gains over competitive baseline approaches.

研究动机与目标

• 用基于地图的规划和基于地标的执行来处理执行中的噪声的导航。
• 提出一个可学习的管线，从稀疏注册视图构建空间表示。
• 开发一个输出路径的路径规划器和一个用于沿路径生成地标的特征合成器。
• 引入一个闭环控制器，使用合成特征来跟随计划以补偿漂移。

提出的方法

• 地图生成：通过将稀疏的注册图像转换为一个以外部参考系为中心的空间地图，使用自我-到外部坐标系的变换和密集融合。
• 路径规划：在学习得到的地图上学习一个基于值迭代的规划器，以产生路径及相应的动作序列。
• 路径签名：从路径上各点的邻近视图中合成特征，创建鲁棒的路径描述符。
• 计划执行：训练一个循环策略，接收路径签名和当前观测，在执行噪声下执行计划。
• 特征合成：将来自多个参考图像的表示按相对位姿加权融合，近似未见位置的特征。

实验结果

研究问题

• RQ1 从稀疏视图学习得到的地图是否能够支持可靠的路径规划和捷径发现？
• RQ2 系统在未见位置上合成特征以支持定位与漂移纠正的能力有多强？
• RQ3 将路径签名纳入是否提升在执行噪声下的计划执行的鲁棒性？
• RQ4 联合映射器-规划器和路径签名执行与使用开环或非合成特征的基线相比如何？

主要发现

• 联合映射器和规划器可以从稀疏的环境视图生成有意义的路径。
• 特征合成在预测与位置相关的特征方面优于传统的基于SIFT的基线。
• 路径签名使得在有噪声的情况下的计划执行更加鲁棒，无需显式的重定位或重新规划。
• 用于记忆和控制的学习架构在仿真真实世界办公室重建的导航任务上优于标准的基于记忆的网络。