W-RIZZ: A Weakly-Supervised Framework for Relative Traversability Estimation in Mobile Robotics

要約

非構造化領域への移動ロボットの導入を成功させるには、危険な領域を回避したり、立ち往生したり、障害物と衝突したりするのを避けるために、環境と地形を理解する必要があります。
ロボットが環境内のどこを移動できるかを予測する移動可能性推定は、この問題に取り組む 1 つの著名なアプローチです。
既存の幾何学的な手法は重要な意味論的な考慮事項を無視する可能性がありますが、セマンティック セグメンテーションのアプローチには面倒なラベル付けプロセスが含まれます。
最近の自己教師付き手法では、ラベル付けの煩わしさは軽減されていますが、追加のデータまたはモデルが必要であり、移動不可能な領域を明示的にラベル付けするのに苦労する傾向があります。
これらの制限に対処するために、相対的な通過可能性を推定するための弱く教師ありの方法を導入します。
私たちの方法では、少数の点ペアの相対的な通過可能性に手動で注釈を付ける必要があります。これにより、従来のセグメンテーションベースの方法と比較してラベル付けの労力が大幅に軽減され、自己教師あり方法の制限が回避されます。
新しいクロス画像ラベル付け戦略と損失関数を通じて、この方法のパフォーマンスをさらに向上させます。
私たちは、屋外環境での移動ロボットへの展開を通じて、この方法の実行可能性とパフォーマンスを実証します。

要約(オリジナル)

Successful deployment of mobile robots in unstructured domains requires an understanding of the environment and terrain to avoid hazardous areas, getting stuck, and colliding with obstacles. Traversability estimation–which predicts where in the environment a robot can travel–is one prominent approach that tackles this problem. Existing geometric methods may ignore important semantic considerations, while semantic segmentation approaches involve a tedious labeling process. Recent self-supervised methods reduce labeling tedium, but require additional data or models and tend to struggle to explicitly label untraversable areas. To address these limitations, we introduce a weakly-supervised method for relative traversability estimation. Our method involves manually annotating the relative traversability of a small number of point pairs, which significantly reduces labeling effort compared to traditional segmentation-based methods and avoids the limitations of self-supervised methods. We further improve the performance of our method through a novel cross-image labeling strategy and loss function. We demonstrate the viability and performance of our method through deployment on a mobile robot in outdoor environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google