HCOA*: Hierarchical Class-ordered A* for Navigation in Semantic Environments

要約

このペーパーでは、混合された幾何学的およびセマンティックな3D環境でのロボットナビゲーションの問題について説明します。
環境の階層的な表現を考えると、目的は、計算コストを最小限に抑えながら、開始位置からゴールに移動することです。
セマンティックグラフでの効率的なパス計画のために環境階層を活用するアルゴリズムである階層的なクラス順序A*（HCOA*）を紹介し、計算努力を大幅に削減します。
セマンティッククラスで合計順序を使用し、アルゴリズムの理論的パフォーマンス保証を証明します。
グラフニューラルネットワークベースの方法と多数級クラスの方法である最下層のノードセマンティクスに基づいて、高層ノード分類の2つのアプローチを提案します。
3Dシーングラフ（3DSG）のシミュレーションを通じてアプローチを評価し、それを最先端と比較し、分類アプローチに対するパフォーマンスを評価します。
結果は、HCOA*が最適なパスを見つけると同時に、拡張ノードの数を25％削減し、UHUMANS2 3DSGデータセットで計算時間を16％短縮することができることを示しています。

要約(オリジナル)

This paper addresses the problem of robot navigation in mixed geometric and semantic 3D environments. Given a hierarchical representation of the environment, the objective is to navigate from a start position to a goal while minimizing the computational cost. We introduce Hierarchical Class-ordered A* (HCOA*), an algorithm that leverages the environmental hierarchy for efficient path-planning in semantic graphs, significantly reducing computational effort. We use a total order over the semantic classes and prove theoretical performance guarantees for the algorithm. We propose two approaches for higher-layer node classification based on the node semantics of the lowest layer: a Graph Neural Network-based method and a Majority-Class method. We evaluate our approach through simulations on a 3D Scene Graph (3DSG), comparing it to the state-of-the-art and assessing its performance against our classification approaches. Results show that HCOA* can find the optimal path while reducing the number of expanded nodes by 25% and achieving a 16% reduction in computational time on the uHumans2 3DSG dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google