4CNet: A Diffusion Approach to Map Prediction for Decentralized Multi-Robot Exploration

要約

不規則な形状の障害物を持つ不明な散らかった環境にあるモバイルロボットは、しばしばこれらの環境を探索する能力に直接影響するエネルギーとコミュニケーションの課題に直面します。
このホワイトペーパーでは、分散型のリソース制限マルチロボット探査中のロボットマップ予測のために、新しい深い学習アーキテクチャ、信頼認識対照条件一貫性モデル（4CNET）を紹介します。
4CNETは、次のものを一意に組み込みます。1）構造化されていない未知の領域でのMAP予測の条件付き一貫性モデル、2）対照的なマップトリューション事前削除フレームワークは、マップ予測中の近くのロボットの軌跡から空間情報を抽出する軌跡エンコーダーの軌跡エンコーダーのための軌跡エンコーダの条件付き、3）
提案されたロボット探査に4CNETをMAP予測アーキテクチャ4CNET-Eに組み込みます。
次に、4CNET-Eおよび最先端のヒューリスティックおよび学習方法を用いた広範な比較研究を実施して、不規則な形状の障害物と不均一な地形で構成される環境でのMAP予測と探査パフォーマンスの両方を調査します。
結果は、4CNET-Eが、データベースおよび学習ベースの方法と比較した場合、さまざまな環境サイズ、ロボットの数、エネルギー予算、および通信の制限を備えた統計的に有意な予測精度と面積カバレッジを取得することを示しました。
ハードウェア実験を実施し、構造化されていない屋内および実際の自然な屋外環境の両方で4CNET-Eの適用性と一般化可能性を検証しました。

要約(オリジナル)

Mobile robots in unknown cluttered environments with irregularly shaped obstacles often face energy and communication challenges which directly affect their ability to explore these environments. In this paper, we introduce a novel deep learning architecture, Confidence-Aware Contrastive Conditional Consistency Model (4CNet), for robot map prediction during decentralized, resource-limited multi-robot exploration. 4CNet uniquely incorporates: 1) a conditional consistency model for map prediction in unstructured unknown regions, 2) a contrastive map-trajectory pretraining framework for a trajectory encoder that extracts spatial information from the trajectories of nearby robots during map prediction, and 3) a confidence network to measure the uncertainty of map prediction for effective exploration under resource constraints. We incorporate 4CNet within our proposed robot exploration with map prediction architecture, 4CNet-E. We then conduct extensive comparison studies with 4CNet-E and state-of-the-art heuristic and learning methods to investigate both map prediction and exploration performance in environments consisting of irregularly shaped obstacles and uneven terrain. Results showed that 4CNet-E obtained statistically significant higher prediction accuracy and area coverage with varying environment sizes, number of robots, energy budgets, and communication limitations when compared to database and learning-based methods. Hardware experiments were performed and validated the applicability and generalizability of 4CNet-E in both unstructured indoor and real natural outdoor environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google