Enhancing Door-Status Detection for Autonomous Mobile Robots during Environment-Specific Operational Use

要約

ドアの状態の検出、つまりドアの存在とその状態 (開いているか閉じているか) の認識は、移動ロボットのナビゲーション パフォーマンスに顕著な影響を与える可能性があり、特にドアによって通路が有効または無効になり、ロボットのトポロジーが変化する動的設定の場合に顕著です。
地図。
この研究では、同じ環境で長時間動作する移動ロボット用のドア状態検出モジュールを構築し、同じドアのセットを異なる視点から観察するという問題に取り組みます。
まず、移動ロボットに特有の制約された知覚設定を考慮して、物体検出に基づく主流のアプローチを改善する方法を示します。
そこで、ロボットの視点から撮影した画像のデータセットを構築する方法を考案し、それを利用して深層学習に基づいたドア状態検出器を取得します。
次に、ロボットの典型的な動作条件を利用して、追加データを使用して微調整することで、作業環境でのパフォーマンスを向上させるためにモデルを認定します。
私たちの実験分析は、シミュレーションと現実世界の両方で得られた結果によってこの方法の有効性を示しており、微調整アプローチのコストと利点の間のトレードオフも強調しています。

要約(オリジナル)

Door-status detection, namely recognizing the presence of a door and its status (open or closed), can induce a remarkable impact on a mobile robot’s navigation performance, especially for dynamic settings where doors can enable or disable passages, changing the topology of the map. In this work, we address the problem of building a door-status detector module for a mobile robot operating in the same environment for a long time, thus observing the same set of doors from different points of view. First, we show how to improve the mainstream approach based on object detection by considering the constrained perception setup typical of a mobile robot. Hence, we devise a method to build a dataset of images taken from a robot’s perspective and we exploit it to obtain a door-status detector based on deep learning. We then leverage the typical working conditions of a robot to qualify the model for boosting its performance in the working environment via fine-tuning with additional data. Our experimental analysis shows the effectiveness of this method with results obtained both in simulation and in the real-world, that also highlight a trade-off between costs and benefits of the fine-tuning approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google