MAP-NBV: Multi-agent Prediction-guided Next-Best-View Planning for Active 3D Object Reconstruction

要約

Next-Best View (NBV) プランニングは、オブジェクトを観察しているロボットがオブジェクトの次に最適なビューをどこから取得するかを決定するという長年の問題です。
オブジェクトの観察された部分に基づいて NBV を選択する方法は多数あります。
この論文では、観測されていない部分の予測がオブジェクトの再構成の効率にどのように役立つかを調査します。
我々は、マルチエージェント システムによるアクティブ 3D 再構成のための分散型調整アルゴリズムであるマルチエージェント予測ガイド付き NBV (MAP-NBV) を紹介します。
予測ベースのアプローチは、データから環境内の構造に関する手がかりを学習することにより、能動的な知覚タスクで大幅な改善を示しました。
ただし、これらの方法は主に単一エージェント システムに焦点を当てています。
私たちは、予測に対して幾何学的な尺度を利用し、物体の効率的な共同 3D 再構成のための情報獲得と制御努力を共同で最適化する、分散型の次善のビュー アプローチを設計します。
私たちの方法は、AirSim と ShapeNet を使用したシミュレーションにおいて、非予測マルチエージェント アプローチと比較して 19% の改善を達成しました。
コードはプロジェクト Web サイト http://raaslab.org/projects/MAPNBV/ を通じて公開されています。

要約(オリジナル)

Next-Best View (NBV) planning is a long-standing problem of determining where to obtain the next best view of an object from, by a robot that is viewing the object. There are a number of methods for choosing NBV based on the observed part of the object. In this paper, we investigate how predicting the unobserved part helps with the efficiency of reconstructing the object. We present, Multi-Agent Prediction-Guided NBV (MAP-NBV), a decentralized coordination algorithm for active 3D reconstruction with multi-agent systems. Prediction-based approaches have shown great improvement in active perception tasks by learning the cues about structures in the environment from data. However, these methods primarily focus on single-agent systems. We design a decentralized next-best-view approach that utilizes geometric measures over the predictions and jointly optimizes the information gain and control effort for efficient collaborative 3D reconstruction of the object. Our method achieves 19% improvement over the non-predictive multi-agent approach in simulations using AirSim and ShapeNet. We make our code publicly available through our project website: http://raaslab.org/projects/MAPNBV/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google