SC-Explorer: Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning

要約

未知の環境の探索は、ロボット工学の基本的な問題であり、自律システムの多数のアプリケーションで不可欠な要素です。
未知の環境を探索する際の大きな課題は、ロボットが各時間ステップで利用できる限られた情報で計画を立てなければならないことです。
現在のアプローチのほとんどは、これらの部分的な観察に基づいてパスを計画するためにヒューリスティックと仮定に依存していますが、代わりに、情報に基づいた、安全で解釈可能な探査マッピングと計画のために 3D シーンの完成を活用することにより、深層学習を探査に統合する新しい方法を提案します。
私たちのアプローチである SC-Explorer は、ロボットの安全性と効率性を保証するために、新しいインクリメンタル フュージョン メカニズムと新しく提案された階層型マルチレイヤー マッピング アプローチを使用してシーンの完成を組み合わせます。
さらに、マッピングアプローチの機能と新しいシーン完了認識情報ゲインを活用して、有益なパス計画方法を提示します。
私たちの方法は一般的に適用できますが、超小型航空機 (MAV) のユースケースで評価します。
モバイルハードウェアのみを使用した忠実度の高いシミュレーション実験で各コンポーネントを徹底的に調査し、マップ精度の低下を最小限に抑えて、ベースラインと比較して環境のカバレッジを 73% 高速化できることを示しました。
シーンの完了が最終的なマップに含まれていない場合でも、ロボットがより有益なパスを選択するようにガイドするために使用できることを示し、ロボットのセンサーを使用したシーンの測定を 35% 高速化します。
完全に自律的な MAV でシステムを検証し、複雑で雑然とした環境でも迅速で信頼性の高いシーン カバレッジを示します。
メソッドをオープンソースとして利用できるようにします。

要約(オリジナル)

Exploration of unknown environments is a fundamental problem in robotics and an essential component in numerous applications of autonomous systems. A major challenge in exploring unknown environments is that the robot has to plan with the limited information available at each time step. While most current approaches rely on heuristics and assumption to plan paths based on these partial observations, we instead propose a novel way to integrate deep learning into exploration by leveraging 3D scene completion for informed, safe, and interpretable exploration mapping and planning. Our approach, SC-Explorer, combines scene completion using a novel incremental fusion mechanism and a newly proposed hierarchical multi-layer mapping approach, to guarantee safety and efficiency of the robot. We further present an informative path planning method, leveraging the capabilities of our mapping approach and a novel scene-completion-aware information gain. While our method is generally applicable, we evaluate it in the use case of a Micro Aerial Vehicle (MAV). We thoroughly study each component in high-fidelity simulation experiments using only mobile hardware, and show that our method can speed up coverage of an environment by 73% compared to the baselines with only minimal reduction in map accuracy. Even if scene completions are not included in the final map, we show that they can be used to guide the robot to choose more informative paths, speeding up the measurement of the scene with the robot’s sensors by 35%. We validate our system on a fully autonomous MAV, showing rapid and reliable scene coverage even in a complex cluttered environment. We make our methods available as open-source.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google