4CNet: A Confidence-Aware, Contrastive, Conditional, Consistency Model for Robot Map Prediction in Multi-Robot Environments

要約

不規則な形の障害物がある未知の雑然とした環境にある移動ロボットは、多くの場合、これらの環境を探索する能力に直接影響する、センシング、エネルギー、通信の課題に直面します。
この論文では、マルチロボット環境でのリソースが限られた探索中のモバイルロボットの地図予測のための、新しいディープラーニング手法であるConfidence-Aware Contrastive Conditional Consistency Model (4CNet) を紹介します。
4CNet には、1) 不規則な形状の未知領域での地図予測のための条件付き一貫性モデル、2) 地図予測中に近くのロボットの軌道から空間情報を抽出する軌道エンコーダ用の対照的な地図軌道事前トレーニング フレームワーク、および 3)
信頼ネットワークを使用して、リソースの制約下で効果的な探索を行うための地図予測の不確実性を測定します。
私たちは、地図予測アーキテクチャである 4CNet-E を使用したロボット探索提案に 4CNet を組み込みます。
次に、4CNet-E と最先端のヒューリスティック手法および学習手法を使用して広範な比較研究を実施し、でこぼこした地形や不規則な形の障害物で構成される環境における地図予測と探索パフォーマンスの両方を調査します。
結果は、4CNet-E が環境の規模、ロボットの数、エネルギー バジェット、通信制限が変化しても、統計的に有意に高い予測精度とエリア カバレッジを獲得したことを示しました。
実世界での移動ロボットの実験が実行され、移動ロボットの地図予測と探索における 4CNet-E の実現可能性と一般化可能性が検証されました。

要約(オリジナル)

Mobile robots in unknown cluttered environments with irregularly shaped obstacles often face sensing, energy, and communication challenges which directly affect their ability to explore these environments. In this paper, we introduce a novel deep learning method, Confidence-Aware Contrastive Conditional Consistency Model (4CNet), for mobile robot map prediction during resource-limited exploration in multi-robot environments. 4CNet uniquely incorporates: 1) a conditional consistency model for map prediction in irregularly shaped unknown regions, 2) a contrastive map-trajectory pretraining framework for a trajectory encoder that extracts spatial information from the trajectories of nearby robots during map prediction, and 3) a confidence network to measure the uncertainty of map prediction for effective exploration under resource constraints. We incorporate 4CNet within our proposed robot exploration with map prediction architecture, 4CNet-E. We then conduct extensive comparison studies with 4CNet-E and state-of-the-art heuristic and learning methods to investigate both map prediction and exploration performance in environments consisting of uneven terrain and irregularly shaped obstacles. Results showed that 4CNet-E obtained statistically significant higher prediction accuracy and area coverage with varying environment sizes, number of robots, energy budgets, and communication limitations. Real-world mobile robot experiments were performed and validated the feasibility and generalizability of 4CNet-E for mobile robot map prediction and exploration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google