FusionLoc: Camera-2D LiDAR Fusion Using Multi-Head Self-Attention for End-to-End Serving Robot Relocalization

要約

自律移動ロボットの技術進歩に伴い、移動サービスロボットがさまざまな目的で積極的に活用されるようになりました。
特に、新型コロナウイルス感染症のパンデミック以降、配膳ロボットは驚くべき製品ではなくなりました。
給仕ロボットを操作する際の現実的な問題の 1 つは、ロボットが動き回る地図上での姿勢の推定に失敗することが多いことです。
障害が発生するたびに、サーバーはサービス提供ロボットを最初の場所に移動し、手動で再起動する必要があります。
このペーパーでは、この問題に対処するために、サービス提供ロボットのエンドツーエンドの再ローカリゼーションに焦点を当てます。
ニューラルネットワークを用いて、搭載センサーデータのみからロボットの姿勢を直接予測するものです。
特に、カメラと 2D LiDAR センサーの融合に基づく再位置推定のためのディープ ニューラル ネットワーク アーキテクチャを提案します。
提案されたメソッドを FusionLoc と呼びます。
提案手法では、多頭自己注意が 2 つのセンサーによって取得されたさまざまな種類の情報を補完して、ロボットの姿勢を回帰します。
商用のサービスロボットによって収集されたデータセットでの実験では、FusionLoc が、単一の画像または 2D LiDAR 点群だけを取得する以前のエンドツーエンドの再位置推定方法や、それらの特徴を連結する単純な融合方法よりも優れたパフォーマンスを提供できることが実証されました。

要約(オリジナル)

As technology advances in autonomous mobile robots, mobile service robots have been actively used more and more for various purposes. Especially, serving robots have been not surprising products anymore since the COVID-19 pandemic. One of the practical problems in operating a serving robot is that it often fails to estimate its pose on a map that it moves around. Whenever the failure happens, servers should bring the serving robot to its initial location and reboot it manually. In this paper, we focus on end-to-end relocalization of serving robots to address the problem. It is to predict robot pose directly from only the onboard sensor data using neural networks. In particular, we propose a deep neural network architecture for the relocalization based on camera-2D LiDAR sensor fusion. We call the proposed method FusionLoc. In the proposed method, the multi-head self-attention complements different types of information captured by the two sensors to regress the robot pose. Our experiments on a dataset collected by a commercial serving robot demonstrate that FusionLoc can provide better performances than previous end-to-end relocalization methods taking only a single image or a 2D LiDAR point cloud as well as a straightforward fusion method concatenating their features.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google