Follow the Footprints: Self-supervised Traversability Estimation for Off-road Vehicle Navigation based on Geometric and Visual Cues

要約

この研究では、ロボットがオフロード環境で移動できるエリアを予測する、オフロード走行可能性推定問題に取り組みます。
オフロード環境は、通行可能な空間と通行不可能な空間の組み合わせで構成される非構造化環境であり、通行可能性を推定する際に課題が生じます。
この研究では、オフロード環境におけるロボットの走行性に影響を与える 3 つの主要な要因、つまり路面の傾斜、意味情報、ロボット プラットフォームに焦点を当てています。
ガイド フィルター ネットワーク (GFN) とフットプリント監視モジュール (FSM) を使用して、通過可能性を推定するための 2 つの戦略を紹介します。
最初の戦略には、新しく設計されたガイド フィルター層を使用して新しい GFN を構築することが含まれます。
GFN は、入力データから表面情報と意味情報を解釈し、それらを統合して、通過可能性の推定に最適化された特徴を抽出します。
2 番目の戦略には、フットプリントとも呼ばれる、事前運転中にロボットが通過した経路を利用する自己監視モジュールである FSM の開発が含まれます。
これにより、ロボットプラットフォームの特性を反映した通過性の予測が可能になります。
これら 2 つの戦略に基づいて、提案された方法は、人間による多大な労力を必要とする、拡張性に欠けるという既存の方法の限界を克服します。
自動車や無人地上車両、ハーブ畑、森林、農地などのさまざまな条件での広範な実験により、提案された方法がさまざまなロボットプラットフォームに互換性があり、さまざまな地形に適応できることが実証されました。
コードは https://github.com/yurimjeon1892/FtFoot で入手できます。

要約(オリジナル)

In this study, we address the off-road traversability estimation problem, that predicts areas where a robot can navigate in off-road environments. An off-road environment is an unstructured environment comprising a combination of traversable and non-traversable spaces, which presents a challenge for estimating traversability. This study highlights three primary factors that affect a robot’s traversability in an off-road environment: surface slope, semantic information, and robot platform. We present two strategies for estimating traversability, using a guide filter network (GFN) and footprint supervision module (FSM). The first strategy involves building a novel GFN using a newly designed guide filter layer. The GFN interprets the surface and semantic information from the input data and integrates them to extract features optimized for traversability estimation. The second strategy involves developing an FSM, which is a self-supervision module that utilizes the path traversed by the robot in pre-driving, also known as a footprint. This enables the prediction of traversability that reflects the characteristics of the robot platform. Based on these two strategies, the proposed method overcomes the limitations of existing methods, which require laborious human supervision and lack scalability. Extensive experiments in diverse conditions, including automobiles and unmanned ground vehicles, herbfields, woodlands, and farmlands, demonstrate that the proposed method is compatible for various robot platforms and adaptable to a range of terrains. Code is available at https://github.com/yurimjeon1892/FtFoot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google