SEER: Safe Efficient Exploration for Aerial Robots using Learning to Predict Information Gain

要約

私たちは、限られたセンシング能力とペイロード/出力の制約を持つ超小型航空機の屋内環境での効率的な 3D 探査の問題に取り組みます。
私たちは、学習を利用して目に見えないエリアの占有を予測し、意味論的特徴を抽出し、視点をサンプリングしてさまざまな探索目標に向けた情報獲得を予測し、安全でスマートな探索を可能にする有益な軌道を計画する屋内探索フレームワークを開発します。
シミュレートされた環境と現実の環境での広範な実験により、提案されたアプローチは、構造化された屋内環境における総経路長の点で最先端の探査フレームワークよりも 24% 優れており、探査中の成功率も高いことが示されています。

要約(オリジナル)

We address the problem of efficient 3-D exploration in indoor environments for micro aerial vehicles with limited sensing capabilities and payload/power constraints. We develop an indoor exploration framework that uses learning to predict the occupancy of unseen areas, extracts semantic features, samples viewpoints to predict information gains for different exploration goals, and plans informative trajectories to enable safe and smart exploration. Extensive experimentation in simulated and real-world environments shows the proposed approach outperforms the state-of-the-art exploration framework by 24% in terms of the total path length in a structured indoor environment and with a higher success rate during exploration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google