Recent Advancements in Deep Learning Applications and Methods for Autonomous Navigation — A Comprehensive Review

要約

このレビュー ペーパーでは、障害物検出、シーン認識、パス プランニング、制御など、自律ナビゲーションのコンテキストで使用されるエンド ツー エンドのディープ ラーニング フレームワークの包括的な概要を説明します。
この論文は、最近の調査研究を分析し、深層学習手法の実装とテストを評価することにより、自律航法と深層学習の間のギャップを埋めることを目的としています。
環境の複雑さ、不確実性、障害物、動的環境、および複数のエージェントのパスを計画する必要性による課題を認識しながら、移動ロボット、自動運転車、および無人航空機のナビゲーションの重要性を強調しています。
このレビューでは、エンジニアリング データ サイエンスにおけるディープ ラーニングの急速な成長と、革新的なナビゲーション手法の開発が強調されています。
この分野に関連する最近の学際的な研究について説明し、自律航法における深層学習手法の限界、課題、および潜在的な成長分野について簡単な展望を提供します。
最後に、この論文では、さまざまな段階での調査結果と実践を要約し、既存の方法と将来の方法、それらの適用性、スケーラビリティ、および制限を関連付けています。
このレビューは、自律航法と深層学習の分野で働く研究者と実践者に貴重なリソースを提供します。

要約(オリジナル)

This review paper presents a comprehensive overview of end-to-end deep learning frameworks used in the context of autonomous navigation, including obstacle detection, scene perception, path planning, and control. The paper aims to bridge the gap between autonomous navigation and deep learning by analyzing recent research studies and evaluating the implementation and testing of deep learning methods. It emphasizes the importance of navigation for mobile robots, autonomous vehicles, and unmanned aerial vehicles, while also acknowledging the challenges due to environmental complexity, uncertainty, obstacles, dynamic environments, and the need to plan paths for multiple agents. The review highlights the rapid growth of deep learning in engineering data science and its development of innovative navigation methods. It discusses recent interdisciplinary work related to this field and provides a brief perspective on the limitations, challenges, and potential areas of growth for deep learning methods in autonomous navigation. Finally, the paper summarizes the findings and practices at different stages, correlating existing and future methods, their applicability, scalability, and limitations. The review provides a valuable resource for researchers and practitioners working in the field of autonomous navigation and deep learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google