Weakly Supervised Caveline Detection For AUV Navigation Inside Underwater Caves

要約

水中洞窟は、水資源の管理や水文地質学と歴史の理解にとって重要な困難な環境です。
海底洞窟のマッピングは、時間と労力を要する危険な作業です。
水中ロボットによる自律的な洞窟マッピングの主な課題は、周囲光が完全に存在しない場合の視覚ベースの推定にあり、その結果、カメラライトのセットアップの動きにより影が絶えず移動します。
したがって、ナビゲーション ガイダンスとして洞窟を検出して追跡することは、自律的な洞窟マッピング ミッションのロボットにとって最も重要です。
このホワイト ペーパーでは、新しいビジョン トランスフォーマー (ViT) ベースの学習パイプラインに基づいた、計算量の少ない洞窟検出モデルを紹介します。
中間の準最適モデルからの一連のノイズの多い予測を通じて学習が強化される、弱く教師ありの定式化によって、注釈付きのトレーニング データが不足しているという問題に対処します。
米国、メキシコ、スペインの3つの異なる洞窟の場所で、洞窟の検出と追跡に対するこのような弱い監督の有用性と有効性を検証します。
実験結果は、私たちが提案したモデル CL-ViT が堅牢性と効率のトレードオフのバランスを取り、シングルボード (Jetson TX2) デバイスで 10+ FPS を提供しながら、優れた一般化パフォーマンスを保証することを示しています。

要約(オリジナル)

Underwater caves are challenging environments that are crucial for water resource management, and for our understanding of hydro-geology and history. Mapping underwater caves is a time-consuming, labor-intensive, and hazardous operation. For autonomous cave mapping by underwater robots, the major challenge lies in vision-based estimation in the complete absence of ambient light, which results in constantly moving shadows due to the motion of the camera-light setup. Thus, detecting and following the caveline as navigation guidance is paramount for robots in autonomous cave mapping missions. In this paper, we present a computationally light caveline detection model based on a novel Vision Transformer (ViT)-based learning pipeline. We address the problem of scarce annotated training data by a weakly supervised formulation where the learning is reinforced through a series of noisy predictions from intermediate sub-optimal models. We validate the utility and effectiveness of such weak supervision for caveline detection and tracking in three different cave locations: USA, Mexico, and Spain. Experimental results demonstrate that our proposed model, CL-ViT, balances the robustness-efficiency trade-off, ensuring good generalization performance while offering 10+ FPS on single-board (Jetson TX2) devices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google