Where Am I Now? Dynamically Finding Optimal Sensor States to Minimize Localization Uncertainty for a Perception-Denied Rover

要約

障害物や遮蔽物を回避しながら、位置の不確実性を最小限に抑えるために最適な状態を動的に見つけるアクティブな知覚手法である DyFOS を紹介します。
知覚を否定された探査車が、障害物に満ちた経路に沿って位置を特定するために、観察ロボットからの位置と不確実性の測定に依存するシナリオを考えます。
観察者のセンサーからの位置の不確実性は、センサー自体、探査車、および周囲の環境の状態の関数です。
探査機の位置不確実性を最小限に抑える最適なセンサー状態を見つけるために、DyFOS は最適化検索で位置不確実性予測パイプラインを使用します。
パイプラインは、上記の状態の多数のサンプルを考慮して、トレーニングされた複雑な状態依存センサー測定モデル (確率的ニューラル ネットワーク) を利用して、探査機の位置の不確実性を予測します。
また、私たちのパイプラインは、オクルージョンや障害物の衝突を予測して、望ましくない視聴者の状態を除去し、不必要な計算を削減します。
提案手法を数値およびシミュレーションで評価します。
私たちの結果は、DyFOS が総当たりよりも高速でありながら、同等のパフォーマンスを発揮することを示しています。
また、DyFOS は、より高速なランダム検索やヒューリスティック ベースの検索よりも、位置特定の不確実性が低くなります。

要約(オリジナル)

We present DyFOS, an active perception method that dynamically finds optimal states to minimize localization uncertainty while avoiding obstacles and occlusions. We consider the scenario where a perception-denied rover relies on position and uncertainty measurements from a viewer robot to localize itself along an obstacle-filled path. The position uncertainty from the viewer’s sensor is a function of the states of the sensor itself, the rover, and the surrounding environment. To find an optimal sensor state that minimizes the rover’s localization uncertainty, DyFOS uses a localization uncertainty prediction pipeline in an optimization search. Given numerous samples of the states mentioned above, the pipeline predicts the rover’s localization uncertainty with the help of a trained, complex state-dependent sensor measurement model (a probabilistic neural network). Our pipeline also predicts occlusion and obstacle collision to remove undesirable viewer states and reduce unnecessary computations. We evaluate the proposed method numerically and in simulation. Our results show that DyFOS is faster than brute force yet performs on par. DyFOS also yielded lower localization uncertainties than faster random and heuristic-based searches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google