Robust Fusion for Bayesian Semantic Mapping

要約

マップにセマンティック情報を統合することで、ロボットは環境をよりよく理解し、高度な意思決定を行うことができます。
ここ数年で、ニューラル ネットワークの認識能力は大幅に進歩しました。
ただし、ニューラル ネットワークからの複数の観測値をセマンティック マップに融合する場合、未知のデータに対する固有の過信により、外れ値に過度の重みが与えられ、堅牢性が低下します。
この問題を軽減するために、複数のベイズ意味論的予測を組み合わせる新しいロバストな融合方法を提案します。
私たちの方法では、ベイジアン ニューラル ネットワークによって提供される不確実性推定を使用して、測定値を融合する方法を調整します。
これは、自信過剰な異常値予測の問題を軽減するために観測値を正規化し、認識論的不確実性を使用して融合におけるそれらの影響を重み付けすることによって行われ、その結果、確率分布の異なる定式化が得られます。
写真のようにリアルなシミュレーション環境と実際のシーンで実験を実行することで、堅牢な融合戦略を検証します。
どちらの場合も、さまざまなデータでトレーニングされたネットワークを使用して、モデルをさまざまなデータ分布に公開します。
結果は、モデルの不確実性を考慮し、観測値分布の確率分布を正規化すると、他の方法と比較して、セマンティック セグメンテーションのパフォーマンスが向上し、外れ値に対する堅牢性が向上することがわかりました。
ビデオ – https://youtu.be/5xVGm7z9c-0

要約(オリジナル)

The integration of semantic information in a map allows robots to understand better their environment and make high-level decisions. In the last few years, neural networks have shown enormous progress in their perception capabilities. However, when fusing multiple observations from a neural network in a semantic map, its inherent overconfidence with unknown data gives too much weight to the outliers and decreases the robustness. To mitigate this issue we propose a novel robust fusion method to combine multiple Bayesian semantic predictions. Our method uses the uncertainty estimation provided by a Bayesian neural network to calibrate the way in which the measurements are fused. This is done by regularizing the observations to mitigate the problem of overconfident outlier predictions and using the epistemic uncertainty to weigh their influence in the fusion, resulting in a different formulation of the probability distributions. We validate our robust fusion strategy by performing experiments on photo-realistic simulated environments and real scenes. In both cases, we use a network trained on different data to expose the model to varying data distributions. The results show that considering the model’s uncertainty and regularizing the probability distribution of the observations distribution results in a better semantic segmentation performance and more robustness to outliers, compared with other methods. Video – https://youtu.be/5xVGm7z9c-0

arxiv情報

提供元, 利用サービス

arxiv.jp, Google