Hardware-accelerated Mars Sample Localization via deep transfer learning from photorealistic simulations

要約

マーズ・サンプルリターン・キャンペーンの目的は、火星の表面から土壌サンプルを採取し、さらなる研究のために地球に持ち帰ることである。サンプルは、パーセバランス・ローバーによって採取され、金属製のチューブに収納され、火星表面に堆積される予定です。このキャンペーンの一環として、サンプルフェッチローバーは、150ソルにわたって、最大35個のサンプルチューブの位置確認と採取を担当することが期待されている。キャンペーン全体と、特にサンプルフェッチローバーの成功には、自律的な能力が不可欠である。この研究では、サンプルチューブの自律的な検出と姿勢推定のための新しいアプローチを提案する。検出段階では、ディープニューラルネットワークと合成データセットからの伝達学習が提案されている。データセットは火星シナリオのフォトリアリスティックな3Dシミュレーションから作成される。さらに、検出されたサンプルチューブの姿勢を推定するために、Computer Visionの技術を用いる。最後に、火星に似たテストベッド上でExoMarsテストローバーを用いて、サンプルローカライゼーション手順の実験室テストを行った。これらのテストは、提案されたアプローチを異なるハードウェアアーキテクチャで検証し、サンプル検出と姿勢推定に関連する有望な結果を提供します。

要約(オリジナル)

The goal of the Mars Sample Return campaign is to collect soil samples from the surface of Mars and return them to Earth for further study. The samples will be acquired and stored in metal tubes by the Perseverance rover and deposited on the Martian surface. As part of this campaign, it is expected the Sample Fetch Rover will be in charge of localizing and gathering up to 35 sample tubes over 150 Martian sols. Autonomous capabilities are critical for the success of the overall campaign and for the Sample Fetch Rover in particular. This work proposes a novel approach for the autonomous detection and pose estimation of the sample tubes. For the detection stage, a Deep Neural Network and transfer learning from a synthetic dataset are proposed. The dataset is created from photorealistic 3D simulations of Martian scenarios. Additionally, Computer Vision techniques are used to estimate the detected sample tubes poses. Finally, laboratory tests of the Sample Localization procedure are performed using the ExoMars Testing Rover on a Mars-like testbed. These tests validate the proposed approach in different hardware architectures, providing promising results related to the sample detection and pose estimation.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL