IntentionNet: Map-Lite Visual Navigation at the Kilometre Scale

要約

この研究では、屋内外の環境を横断して遠くの目標に到達できる、スケーラブルでロバストなロボットナビゲーションシステムを構築するための課題を探求する。我々は、低レベルプランナ／コントローラとしてモノリシックニューラルネットワークを採用し、コントローラを操縦するために我々が意図と呼ぶ一般的なインターフェースを使用する、意図ネットと呼ばれるナビゲーションシステムアーキテクチャを提案する。本論文では、LPE(Local Path and Environment)とDLM(Discretised Local Move)の2種類の意図を提案し、DLMが測位誤差やマッピング誤差に対してロバストであることを示す。また、DLM意図を用いたIntentionNetシステムの一例であるKilo-IntentionNetをBoston Dynamics Spotロボットに搭載し、ノイズの多いオドメトリのみで、複雑な屋内外の環境を最大1kmまでナビゲートすることに成功した。

要約(オリジナル)

This work explores the challenges of creating a scalable and robust robot navigation system that can traverse both indoor and outdoor environments to reach distant goals. We propose a navigation system architecture called IntentionNet that employs a monolithic neural network as the low-level planner/controller, and uses a general interface that we call intentions to steer the controller. The paper proposes two types of intentions, Local Path and Environment (LPE) and Discretised Local Move (DLM), and shows that DLM is robust to significant metric positioning and mapping errors. The paper also presents Kilo-IntentionNet, an instance of the IntentionNet system using the DLM intention that is deployed on a Boston Dynamics Spot robot, and which successfully navigates through complex indoor and outdoor environments over distances of up to a kilometre with only noisy odometry.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL