P2 Explore: Efficient Exploration in Unknown Cluttered Environment with Floor Plan Prediction

要約

ロボット探索は未知の環境の再構築を目的としており、より短い経路でそれを達成することが重要である。従来の手法では、現在の観測結果に基づいてフロンティアの訪問順序を最適化することに焦点が当てられており、局所最小の結果をもたらす可能性がある。最近では、未知の環境の構造を予測することで、探索効率をさらに向上させることができる。しかし、乱雑な環境では、障害物のランダム性により、予測能力は弱い。また、この精度の低さは探索効率の向上に限界がある。そこで本論文では、ノイズの多い屋内環境におけるレイアウト予測に有効なFPUNetを提案する。FPUNetを用いることで、予測された予測地図をもとに、各部屋のセグメンテーションを抽出し、トポロジカルな接続性を構築する。予測された部屋の訪問順序は最適化され、探索のための高レベルなガイダンスを提供することができる。FPUNetは他のネットワークアーキテクチャと比較され、このタスクのためのSOTA手法であることが実証された。シミュレーションによる広範な実験により、本手法はベースラインと比較して経路長を2.18%から34.60%短縮できることが示された。

要約(オリジナル)

Robot exploration aims at the reconstruction of unknown environments, and it is important to achieve it with shorter paths. Traditional methods focus on optimizing the visiting order of frontiers based on current observations, which may lead to local-minimal results. Recently, by predicting the structure of the unseen environment, the exploration efficiency can be further improved. However, in a cluttered environment, due to the randomness of obstacles, the ability to predict is weak. Moreover, this inaccuracy will lead to limited improvement in exploration. Therefore, we propose FPUNet which can be efficient in predicting the layout of noisy indoor environments. Then, we extract the segmentation of rooms and construct their topological connectivity based on the predicted map. The visiting order of these predicted rooms is optimized which can provide high-level guidance for exploration. The FPUNet is compared with other network architectures which demonstrates it is the SOTA method for this task. Extensive experiments in simulations show that our method can shorten the path length by 2.18% to 34.60% compared to the baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL