Estimating Map Completeness in Robot Exploration

要約

この論文では、自律移動ロボットによって構築された屋内環境の部分的なグリッド マップが与えられた場合に、マップ内で表現される探索エリアの量と、覆われていない部分がまだ探索する価値があるかどうかを推定する方法を提案します。
か否か。
私たちの方法は、部分的に探索された環境からのデータでトレーニングされたディープ畳み込みニューラル ネットワークに基づいており、マップ全体の知識から得られた注釈 (ネットワークが推論に使用される場合は利用できません) が付けられています。
このようなネットワークを使用して、環境に関する関連詳細をマップに追加しなくなったときに探査プロセスを終了する停止基準を定義する方法を示し、カバー範囲に関して総探査時間の平均 40% を節約します。
環境のすべての領域。

要約(オリジナル)

In this paper, we propose a method that, given a partial grid map of an indoor environment built by an autonomous mobile robot, estimates the amount of the explored area represented in the map, as well as whether the uncovered part is still worth being explored or not. Our method is based on a deep convolutional neural network trained on data from partially explored environments with annotations derived from the knowledge of the entire map (which is not available when the network is used for inference). We show how such a network can be used to define a stopping criterion to terminate the exploration process when it is no longer adding relevant details about the environment to the map, saving, on average, 40% of the total exploration time with respect to covering all the area of the environment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google