Autonomous Search of Semantic Objects in Unknown Environments

要約

この論文では、未知の GPS 拒否環境でロボットがセマンティック オブジェクトを検索できるようにするという問題に対処します。
未知の環境にあるロボットがターゲット オブジェクトを検出して見つけるには、オンボード センサーを使用してジオメトリ レベルとセマンティック レベルの両方で同時ローカリゼーション マッピング (SLAM) を実行し、常に更新される SLAM の結果に基づいてモーションを計画および実行する必要があります。
言い換えれば、ロボットは、センシングとモーションの不確実性が存在する場合でも、ローカリゼーション、セマンティック マッピング、モーション プランニング、リアルタイムでの実行を同時に実行できなければなりません。
これは、認識に基づくセマンティック SLAM とリアルタイムのモーション プランニングおよび不確実性下での実行を組み合わせているため、未解決の問題です。
また、ロボットが対象物体を検出できるかどうか、どのように検出できるかによって、ロボットの動作の目標はその場で変化します。
セマンティックSLAM、ベイジアンネットワーク、マルコフ決定プロセス、およびリアルタイムの動的計画を活用して、問題に取り組むための新しいアプローチを提案します。
結果は、私たちのアプローチの有効性と効率性を示しています。

要約(オリジナル)

This paper addresses the problem of enabling a robot to search for a semantic object in an unknown and GPS-denied environment. For the robot in the unknown environment to detect and find the target object, it must perform simultaneous localization and mapping (SLAM) at both geometric and semantic levels using its onboard sensors while planning and executing its motion based on the ever-updated SLAM results. In other words, the robot must be able to conduct simultaneous localization, semantic mapping, motion planning, and execution in real-time in the presence of sensing and motion uncertainty. This is an open problem as it combines semantic SLAM based on perception and real-time motion planning and execution under uncertainty. Moreover, the goals of robot motion change on the fly depending on whether and how the robot can detect the target object. We propose a novel approach to tackle the problem, leveraging semantic SLAM, Bayesian Networks, Markov Decision Process, and real-time dynamic planning. The results demonstrate the effectiveness and efficiency of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google