Active Metric-Semantic Mapping by Multiple Aerial Robots

要約

アクティブ マッピングの従来のアプローチは、幾何学的マップの構築に重点を置いています。
ただし、現実世界のほとんどのアプリケーションでは、実用的な情報は環境内の意味的に意味のあるオブジェクトに関連しています。
我々は、複数の異種ロボットが協力して環境のマップを構築できるようにするアクティブな計量意味論的マッピング問題へのアプローチを提案します。
ロボットは、セマンティック (オブジェクト分類) 情報と幾何学的 (オブジェクト モデリング) 情報の両方における不確実性を最小限に抑えるために積極的に探索します。
私たちは、情報は豊富だがまばらなオブジェクト モデルを使用して環境を表現し、それぞれが基本形状と意味クラス ラベルで構成され、大量の実世界データを使用して経験的に不確実性を特徴付けます。
事前のマップが与えられた場合、このモデルを使用して各ロボットのアクションを選択し、不確実性を最小限に抑えます。
私たちのアルゴリズムのパフォーマンスは、現実世界のさまざまな環境でのマルチロボット実験を通じて実証されています。
提案されたフレームワークは、精密農業、インフラ検査、工場の資産マッピングなど、現実世界のさまざまな問題に適用できます。
デモビデオは https://youtu.be/S86SgXi54oU でご覧いただけます。

要約(オリジナル)

Traditional approaches for active mapping focus on building geometric maps. For most real-world applications, however, actionable information is related to semantically meaningful objects in the environment. We propose an approach to the active metric-semantic mapping problem that enables multiple heterogeneous robots to collaboratively build a map of the environment. The robots actively explore to minimize the uncertainties in both semantic (object classification) and geometric (object modeling) information. We represent the environment using informative but sparse object models, each consisting of a basic shape and a semantic class label, and characterize uncertainties empirically using a large amount of real-world data. Given a prior map, we use this model to select actions for each robot to minimize uncertainties. The performance of our algorithm is demonstrated through multi-robot experiments in diverse real-world environments. The proposed framework is applicable to a wide range of real-world problems, such as precision agriculture, infrastructure inspection, and asset mapping in factories. A demo video can be found at https://youtu.be/S86SgXi54oU.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google