Perceptual Factors for Environmental Modeling in Robotic Active Perception

要約

新しいセンサー観測の潜在的な価値を正確に評価することは、能動的な知覚を計画する上で重要な側面です。
このタスクは、ビジョンベースのニューラル ネットワークからの測定値を使用して高レベルのシーンの理解を推論する場合に特に困難です。
外観に基づく推論により、測定値は、遮蔽物の存在、照明条件の変化、近くの視点間の外観の類似性による情報の冗長性など、いくつかの環境影響の影響を受けやすくなります。
これに対処するために、計画と融合において任意の数の知覚効果を組み込んだ新しい能動的な知覚フレームワークを提案します。
私たちの方法は、知覚因子と呼ばれる一連の一般関数によって環境との相関関係をモデル化し、候補の視点に対する環境の集合的な影響を定量化する知覚マップを構築します。
この情報は、測定に関連する不確実性を調整してその寄与を比較検討することにより、計画および融合プロセスにシームレスに組み込まれます。
私たちは、ロボット工学アプリケーションで一般的な環境条件を再現するシミュレートされた環境で知覚マップを評価します。
私たちの結果は、知覚マップ内の環境の影響を考慮することで、環境要因の影響を受けたときに視点を正しく選択し、測定ノイズを正しく考慮することで状態推定が向上することを示しています。
さらに、私たちのアプローチを地上ロボットに展開して、現実世界の能動的な知覚ミッションへの適用可能性を示します。

要約(オリジナル)

Accurately assessing the potential value of new sensor observations is a critical aspect of planning for active perception. This task is particularly challenging when reasoning about high-level scene understanding using measurements from vision-based neural networks. Due to appearance-based reasoning, the measurements are susceptible to several environmental effects such as the presence of occluders, variations in lighting conditions, and redundancy of information due to similarity in appearance between nearby viewpoints. To address this, we propose a new active perception framework incorporating an arbitrary number of perceptual effects in planning and fusion. Our method models the correlation with the environment by a set of general functions termed perceptual factors to construct a perceptual map, which quantifies the aggregated influence of the environment on candidate viewpoints. This information is seamlessly incorporated into the planning and fusion processes by adjusting the uncertainty associated with measurements to weigh their contributions. We evaluate our perceptual maps in a simulated environment that reproduces environmental conditions common in robotics applications. Our results show that, by accounting for environmental effects within our perceptual maps, we improve in the state estimation by correctly selecting the viewpoints and considering the measurement noise correctly when affected by environmental factors. We furthermore deploy our approach on a ground robot to showcase its applicability for real-world active perception missions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google