UIVNAV: Underwater Information-driven Vision-based Navigation via Imitation Learning

要約

水中環境での自律航行は、限られた視界、動的な変化、コスト効率の高い正確な位置特定システムの欠如により困難です。
UIVNav は、位置特定に依存せずに障害物を回避しながら対象物 (OOI) 上でロボットを駆動するように設計された、新しいエンドツーエンドの水中ナビゲーション ソリューションです。
UIVNav は模倣学習を使用しており、位置特定に依存しない人間のダイバーが使用するナビゲーション戦略からインスピレーションを受けています。
UIVNav は次のフェーズで構成されます: (1) 中間表現 (IR) の生成、および (2) 人間がラベル付けした IR に基づくナビゲーション ポリシーのトレーニング。
生データではなく IR でナビゲーション ポリシーをトレーニングすることにより、第 2 フェーズはドメイン不変になります。つまり、ドメインまたは OOI が変更された場合にナビゲーション ポリシーを再トレーニングする必要がありません。
これは、シミュレーションと実際のプールの 2 つの異なるドメインで、カキ礁と岩礁という 2 つの異なる OOI を調査するための同じナビゲーション ポリシーを展開することによって示されます。
私たちの方法を完全なカバレッジおよびランダム ウォーク方法と比較したところ、障害物を回避しながら OOI の情報を収集するのに私たちの方法がより効率的であることが示されました。
結果は、UIVNav が環境や位置に関する事前情報なしで、カキや岩の面積が大きい地域を訪問することを選択したことを示しています。
さらに、UIVNav を使用したロボットは、完全なカバレッジ方法と比較して、同じ距離を移動した場合に平均 36% 多くのカキを調査します。
また、カキ殻の層を調査するための水中ロボット BlueROV を使用した UIVNavin プール実験のリアルタイム展開の実現可能性も実証します。

要約(オリジナル)

Autonomous navigation in the underwater environment is challenging due to limited visibility, dynamic changes, and the lack of a cost-efficient accurate localization system. We introduce UIVNav, a novel end-to-end underwater navigation solution designed to drive robots over Objects of Interest (OOI) while avoiding obstacles, without relying on localization. UIVNav uses imitation learning and is inspired by the navigation strategies used by human divers who do not rely on localization. UIVNav consists of the following phases: (1) generating an intermediate representation (IR), and (2) training the navigation policy based on human-labeled IR. By training the navigation policy on IR instead of raw data, the second phase is domain-invariant — the navigation policy does not need to be retrained if the domain or the OOI changes. We show this by deploying the same navigation policy for surveying two different OOIs, oyster and rock reefs, in two different domains, simulation, and a real pool. We compared our method with complete coverage and random walk methods which showed that our method is more efficient in gathering information for OOIs while also avoiding obstacles. The results show that UIVNav chooses to visit the areas with larger area sizes of oysters or rocks with no prior information about the environment or localization. Moreover, a robot using UIVNav compared to complete coverage method surveys on average 36% more oysters when traveling the same distances. We also demonstrate the feasibility of real-time deployment of UIVNavin pool experiments with BlueROV underwater robot for surveying a bed of oyster shells.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google