Hierarchical Path-planning from Speech Instructions with Spatial Concept-based Topometric Semantic Mapping

要約

自律移動ロボットを通じて個人の日常活動を支援することは、特に専門知識を持たないユーザーにとって非常に重要です。
具体的には、人間の音声指示に基づいてロボットが目的地まで移動する機能が不可欠です。
ロボットは同じ目標に向かってさまざまな経路をたどることができますが、最短経路が常に最適であるとは限りません。
推奨されるアプローチは、ウェイポイントの仕様に柔軟に対応し、たとえ迂回路があったとしても、改善された代替経路を計画することです。
さらに、ロボットにはリアルタイムの推論機能が必要です。
この研究は、トポメトリックセマンティックマップを使用した階層的空間表現と、ウェイポイントを含む音声指示による経路計画を実現することを目的としていました。
このペーパーでは、場所の接続性を統合した、階層的パス計画のための空間概念ベースのトポメトリック セマンティック マッピング (SpCoTMHP) について説明します。
このアプローチは、新しい統合された確率的生成モデルと、階層レベル全体にわたる高速な近似推論を提供します。
確率的推論としての制御に基づく定式化は、提案された経路計画アルゴリズムを理論的にサポートします。
私たちは、SIGVerse シミュレータ上のトヨタ ヒューマン サポート ロボットを使用した家庭環境と、実際のロボットである Albert を使用した研究室環境で実験を実施しました。
ユーザーは「廊下を通って寝室に行く」など、経由地と目的地を指定する音声コマンドを発行した。
ウェイポイントを含む音声命令を使用したナビゲーション実験では、ロボットが最も近いターゲットに到達し、正しいターゲットを通過する加重成功率の観点から、ヒューリスティック パス コストを使用したベースライン階層型パス プランニング手法 (HPP-I) よりも SpCoTMHP のパフォーマンスが向上することが実証されました。
ウェイポイント、0.590 ずつ。
高度なタスクでは、SpCoTMHP を使用すると、ベースライン HPP-I と比較して計算時間が 7.14 秒大幅に短縮されました。

要約(オリジナル)

Assisting individuals in their daily activities through autonomous mobile robots, especially for users without specialized knowledge, is crucial. Specifically, the capability of robots to navigate to destinations based on human speech instructions is essential. While robots can take different paths to the same goal, the shortest path is not always the best. A preferred approach is to accommodate waypoint specifications flexibly, planning an improved alternative path, even with detours. Additionally, robots require real-time inference capabilities. This study aimed to realize a hierarchical spatial representation using a topometric semantic map and path planning with speech instructions, including waypoints. This paper presents Spatial Concept-based Topometric Semantic Mapping for Hierarchical Path Planning (SpCoTMHP), integrating place connectivity. This approach offers a novel integrated probabilistic generative model and fast approximate inference across hierarchy levels. A formulation based on control as probabilistic inference theoretically supports the proposed path planning algorithm. We conducted experiments in home environments using the Toyota Human Support Robot on the SIGVerse simulator and in a lab-office environment with the real robot, Albert. Users issued speech commands specifying the waypoint and goal, such as ‘Go to the bedroom via the corridor.’ Navigation experiments using speech instructions with a waypoint demonstrated a performance improvement of SpCoTMHP over the baseline hierarchical path planning method with heuristic path costs (HPP-I), in terms of the weighted success rate at which the robot reaches the closest target and passes the correct waypoints, by 0.590. The computation time was significantly accelerated by 7.14 seconds with SpCoTMHP compared to baseline HPP-I in advanced tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google