FusionLoc: Camera-2D LiDAR Fusion Using Multi-Head Self-Attention for End-to-End Serving Robot Relocalization

要約

近年の自動運転技術の進展により、反復作業の効率化や非対面サービスの価値が高まる中、宅配ロボットや配膳ロボットなどの移動型サービスロボットが注目され、その需要が日々高まっています。
日ごとに。
ただし、何か問題が発生した場合、ほとんどの商用サービス ロボットは、再び正常に動作するために開始位置と向きに戻る必要があります。
このホワイトペーパーでは、この問題に対処するために、サービングロボットのエンドツーエンドの再局在化に焦点を当てています。
ニューラルネットワークを用いて搭載センサーデータのみからロボットの姿勢を直接予測するものです。
特に、カメラと 2D LiDAR センサーの融合に基づく再局在化のためのディープ ニューラル ネットワーク アーキテクチャを提案します。
提案された方法を FusionLoc と呼びます。
提案された方法では、マルチヘッド自己注意は、2 つのセンサーによってキャプチャされたさまざまな種類の情報を補完します。
市販のサービング ロボットによって収集されたデータセットでの実験では、FusionLoc が、単一の画像または 2D LiDAR ポイント クラウドのみを使用する以前の再局在化方法や、それらの機能を連結する単純な融合方法よりも優れたパフォーマンスを提供できることが示されています。

要約(オリジナル)

With the recent development of autonomous driving technology, as the pursuit of efficiency for repetitive tasks and the value of non-face-to-face services increase, mobile service robots such as delivery robots and serving robots attract attention, and their demands are increasing day by day. However, when something goes wrong, most commercial serving robots need to return to their starting position and orientation to operate normally again. In this paper, we focus on end-to-end relocalization of serving robots to address the problem. It is to predict robot pose directly from only the onboard sensor data using neural networks. In particular, we propose a deep neural network architecture for the relocalization based on camera-2D LiDAR sensor fusion. We call the proposed method FusionLoc. In the proposed method, the multi-head self-attention complements different types of information captured by the two sensors. Our experiments on a dataset collected by a commercial serving robot demonstrate that FusionLoc can provide better performances than previous relocalization methods taking only a single image or a 2D LiDAR point cloud as well as a straightforward fusion method concatenating their features.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google