A machine learning framework for acoustic reflector mapping

要約

ソナーベースの屋内マッピング システムは、数十年にわたってロボット工学に広く採用されてきました。
このようなシステムは依然として水中検査やパイプ検査の現場で主流ですが、ノイズに対する脆弱性により、時間の経過とともに一般に広く使用されるようになり、代わりにその技術が直面していた他の手段 (\textit{例}、カメラ、ライダー) が優先されました。
、驚異的な進歩。
それにもかかわらず、音響信号とエコーロケーションを使用して物理環境をマッピングすると、他のセンサーと比較して補完的な特性があるため、不利なシナリオでのロボットのナビゲーションに大きな利点をもたらすことができます。
実際、カメラやライダーは厳しい気象条件や照明不足、または反射しない壁に対処するときに苦労します。
ただし、音響センサーが正確なマップを生成できるようにするには、ノイズを適切かつ効果的に処理する必要があります。
このような場合、従来の信号処理技術が必ずしも解決策になるとは限りません。
この論文では、音響センサーを使用して生成されたマップから異常値やアーティファクトを除去することで、バックグラウンドノイズに対処するためのより伝統的な信号処理方法を支援するために機械学習を活用するフレームワークを提案します。
私たちの目標は、特に騒音の多い状況でも従来の反響定位マッピング技術のパフォーマンスを大幅に向上させ、最先端のマルチモーダル ロボット ナビゲーション システムでの音響センサーの採用を容易にすることができることを実証することです。
私たちのシミュレーションによる評価では、システムが $-10$dB の SNR で確実に動作できることが実証されています。
さらに、提案された方法がさまざまな残響環境で動作できることも示します。
この論文では、提案された方法を使用して、ロボットプラットフォームを使用して模擬部屋の輪郭をマッピングします。

要約(オリジナル)

Sonar-based indoor mapping systems have been widely employed in robotics for several decades. While such systems are still the mainstream in underwater and pipe inspection settings, the vulnerability to noise reduced, over time, their general widespread usage in favour of other modalities(\textit{e.g.}, cameras, lidars), whose technologies were encountering, instead, extraordinary advancements. Nevertheless, mapping physical environments using acoustic signals and echolocation can bring significant benefits to robot navigation in adverse scenarios, thanks to their complementary characteristics compared to other sensors. Cameras and lidars, indeed, struggle in harsh weather conditions, when dealing with lack of illumination, or with non-reflective walls. Yet, for acoustic sensors to be able to generate accurate maps, noise has to be properly and effectively handled. Traditional signal processing techniques are not always a solution in those cases. In this paper, we propose a framework where machine learning is exploited to aid more traditional signal processing methods to cope with background noise, by removing outliers and artefacts from the generated maps using acoustic sensors. Our goal is to demonstrate that the performance of traditional echolocation mapping techniques can be greatly enhanced, even in particularly noisy conditions, facilitating the employment of acoustic sensors in state-of-the-art multi-modal robot navigation systems. Our simulated evaluation demonstrates that the system can reliably operate at an SNR of $-10$dB. Moreover, we also show that the proposed method is capable of operating in different reverberate environments. In this paper, we also use the proposed method to map the outline of a simulated room using a robotic platform.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google