Autonomous Search of Semantic Objects in Unknown Environments

要約

この論文は、未知の GPS が拒否された環境において、ロボットが意味論的オブジェクト、つまり意味論的ラベルを持つオブジェクトを検索できるようにするという問題を扱います。
未知の環境にあるロボットがターゲットの意味論的オブジェクトを検出して見つけるには、オンボードセンサーを使用して幾何学的レベルと意味論的レベルの両方で同時位置特定およびマッピング (SLAM) を実行しながら、常に更新される SLAM 結果に基づいて動作を計画および実行する必要があります。
。
言い換えれば、ロボットは、センシングと動作の不確実性が存在する場合でも、位置特定、セマンティックマッピング、動作計画、および実行をリアルタイムで同時に実行できなければなりません。
これは、知覚に基づくセマンティック SLAM と、不確実性の下でのリアルタイムの動作計画および実行を組み合わせるため、未解決の問題です。
さらに、ロボットの動作の目標は、ロボットが対象物体を検出できるかどうか、またどのように検出できるかによって、その場で変化します。
私たちは、セマンティック SLAM、ベイジアン ネットワーク、マルコフ決定プロセス、およびリアルタイム動的プログラミングを活用して、この問題に取り組むための新しいアプローチを提案します。
シミュレーションと実際の実験の結果は、私たちのアプローチの有効性と効率性を示しています。

要約(オリジナル)

This paper addresses the problem of enabling a robot to search for a semantic object, i.e., an object with a semantic label, in an unknown and GPS-denied environment. For the robot in the unknown environment to detect and find the target semantic object, it must perform simultaneous localization and mapping (SLAM) at both geometric and semantic levels using its onboard sensors while planning and executing its motion based on the ever-updated SLAM results. In other words, the robot must be able to conduct simultaneous localization, semantic mapping, motion planning, and execution in real-time in the presence of sensing and motion uncertainty. This is an open problem as it combines semantic SLAM based on perception and real-time motion planning and execution under uncertainty. Moreover, the goals of the robot motion change on the fly depending on whether and how the robot can detect the target object. We propose a novel approach to tackle the problem, leveraging semantic SLAM, Bayesian Networks, Markov Decision Process, and Real-Time Dynamic Programming. The results in simulation and real experiments demonstrate the effectiveness and efficiency of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google