DRIVE: Data-driven Robot Input Vector Exploration

要約

正確な動作モデルは、ほとんどの自律ナビゲーション システムの基本コンポーネントです。
モデルの定式化を改善するために多くの作業が行われてきましたが、モデルのトレーニングに必要な経験的データを収集するための標準プロトコルは存在しません。
この研究では、無人地上車両 (UGV) の入力制限の特性評価と経験的モデルのトレーニング データの収集を可能にするプロトコルであるデータ駆動型ロボット入力ベクトル探索 (DRIVE) を提案することで、この問題に対処します。
また、同様の加速学習アプローチよりも優れた新しい学習スリップアプローチを提案します。
私たちの貢献は、3 つの異なる UGV と 4 つの地形タイプにわたる 7 km および 1.8 時間以上の走行データを蓄積した広範な実験評価を通じて検証されています。
私たちのプロトコルは、一般的な人間主導のデータ収集プロトコルよりも優れた予測パフォーマンスを提供することを示します。
さらに、私たちのプロトコルは 46 秒のトレーニング データで収束します。これは、最も短い人間のデータセット収集プロトコルのほぼ 4 分の 1 です。
表面の氷上で遭遇する極端な滑り状態では、モデルの動作限界に達することを示します。
DRIVE は、動作条件における UGV の動きを特徴付ける効率的な方法です。
コードとデータセットは両方とも、リンク https://github.com/norlab-ulaval/DRIVE からオンラインで入手できます。

要約(オリジナル)

An accurate motion model is a fundamental component of most autonomous navigation systems. While much work has been done on improving model formulation, no standard protocol exists for gathering empirical data required to train models. In this work, we address this issue by proposing Data-driven Robot Input Vector Exploration (DRIVE), a protocol that enables characterizing uncrewed ground vehicles (UGVs) input limits and gathering empirical model training data. We also propose a novel learned slip approach outperforming similar acceleration learning approaches. Our contributions are validated through an extensive experimental evaluation, cumulating over 7 km and 1.8 h of driving data over three distinct UGVs and four terrain types. We show that our protocol offers increased predictive performance over common human-driven data-gathering protocols. Furthermore, our protocol converges with 46 s of training data, almost four times less than the shortest human dataset gathering protocol. We show that the operational limit for our model is reached in extreme slip conditions encountered on surfaced ice. DRIVE is an efficient way of characterizing UGV motion in its operational conditions. Our code and dataset are both available online at this link: https://github.com/norlab-ulaval/DRIVE.

arxiv情報

著者 Dominic Baril,Simon-Pierre Deschênes,Luc Coupal,Cyril Goffin,Julien Lépine,Philippe Giguère,François Pomerleau
発行日 2024-03-27 13:54:19+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク