IN-Sight: Interactive Navigation through Sight

要約

現在のビジュアル ナビゲーション システムは、環境を静的なものとして扱うことが多く、障害物と適応的に対話する機能が欠けています。
この制限により、避けられない障害物に遭遇した場合にナビゲーションが失敗する可能性があります。
これに応えて、私たちは、自己監視型経路計画への新しいアプローチである IN-Sight を導入し、障害物との相互作用を通じてより効果的なナビゲーション戦略を可能にします。
IN-Sight は、RGB-D 観測を利用して通過可能性スコアを計算し、それをセマンティック マップに組み込み、複雑な迷路のような環境での長距離経路計画を容易にします。
障害物を正確に回避するために、IN-Sight は、表現学習技術を使用して微分可能なコストマップで命令的にトレーニングされたローカル プランナーを採用します。
フレームワーク全体は、最先端のフォトリアリスティックなインテル SPEAR シミュレーター内でエンドツーエンドのトレーニングを受けます。
当社は、さまざまなシミュレートされたシナリオとアブレーション研究における広範なベンチマークを通じて、IN-Sight の有効性を検証します。
さらに、脚付きロボット プラットフォーム ANYmal 上にプランナーを展開し、ゼロショット sim-to-real 転送によるシステムの実世界への適用性を実証し、実環境におけるインタラクティブ ナビゲーションの実用的な可能性を示します。

要約(オリジナル)

Current visual navigation systems often treat the environment as static, lacking the ability to adaptively interact with obstacles. This limitation leads to navigation failure when encountering unavoidable obstructions. In response, we introduce IN-Sight, a novel approach to self-supervised path planning, enabling more effective navigation strategies through interaction with obstacles. Utilizing RGB-D observations, IN-Sight calculates traversability scores and incorporates them into a semantic map, facilitating long-range path planning in complex, maze-like environments. To precisely navigate around obstacles, IN-Sight employs a local planner, trained imperatively on a differentiable costmap using representation learning techniques. The entire framework undergoes end-to-end training within the state-of-the-art photorealistic Intel SPEAR Simulator. We validate the effectiveness of IN-Sight through extensive benchmarking in a variety of simulated scenarios and ablation studies. Moreover, we demonstrate the system’s real-world applicability with zero-shot sim-to-real transfer, deploying our planner on the legged robot platform ANYmal, showcasing its practical potential for interactive navigation in real environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google