Semantic Belief Behavior Graph: Enabling Autonomous Robot Inspection in Unknown Environments

要約

この論文では、複雑で未知の環境における自律ロボット検査の問題について取り上げます。
この機能は、知覚の不確実性や環境に関する事前知識の欠如に直面した場合でも、現実世界のさまざまなシナリオで効率的かつ正確な検査を行うために非常に重要です。
現実世界の自律検査の既存の方法は、通常、事前定義されたターゲットとウェイポイントに依存しており、動的な設定や未知の設定に適応できないことがよくあります。
この研究では、セマンティック認識自律ロボット検査への新しいアプローチとして、セマンティック信念行動グラフ (SB2G) フレームワークを紹介します。
SB2G は、さまざまなクラスのオブジェクトを検査するために設計されたさまざまなセマンティックベースのポリシーをカプセル化する動作ノードを特徴とする、ロボットの制御ポリシーを生成します。
私たちは、セマンティック情報の不確実性を軽減しながら、検査対象のオブジェクトの位置をロボットに案内するアクティブなセマンティック検索動作を設計します。
SB2G のエッジは、これらの動作間の遷移をエンコードします。
私たちは、脚付きロボット プラットフォームを使用したシミュレーションと実際の都市検査を通じてアプローチを検証します。
私たちの結果は、SB2G がより効率的な検査ポリシーを可能にし、人間による検査に匹敵するパフォーマンスを発揮することを示しています。

要約(オリジナル)

This paper addresses the problem of autonomous robotic inspection in complex and unknown environments. This capability is crucial for efficient and precise inspections in various real-world scenarios, even when faced with perceptual uncertainty and lack of prior knowledge of the environment. Existing methods for real-world autonomous inspections typically rely on predefined targets and waypoints and often fail to adapt to dynamic or unknown settings. In this work, we introduce the Semantic Belief Behavior Graph (SB2G) framework as a novel approach to semantic-aware autonomous robot inspection. SB2G generates a control policy for the robot, featuring behavior nodes that encapsulate various semantic-based policies designed for inspecting different classes of objects. We design an active semantic search behavior to guide the robot in locating objects for inspection while reducing semantic information uncertainty. The edges in the SB2G encode transitions between these behaviors. We validate our approach through simulation and real-world urban inspections using a legged robotic platform. Our results show that SB2G enables a more efficient inspection policy, exhibiting performance comparable to human-operated inspections.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google