P2 Explore: Efficient Exploration in Unknown Clustered Environment with Floor Plan Prediction

要約

ロボット探査は未知の環境を構築することを目的としており、それをより短い経路で実現することが重要です。
従来の方法は、現在の観察に基づいて訪問順序を最適化することに焦点を当てており、局所最小の結果が得られる可能性があります。
最近では、目に見えない環境の構造を予測することで、さらに探査効率が向上するようになりました。
ただし、乱雑な環境では、障害物のランダム性により、予測能力が制限されます。
そこで、この問題を解決するために、騒音の多い屋内環境のレイアウトを効率的に予測できる地図予測アルゴリズムを提案します。
私たちは 2D 探索のシナリオに焦点を当てます。
まず、ディープラーニングを使用して乱雑なマップのノイズを除去してフロア プランの抽出を実行します。
次に、フロアプランベースのアルゴリズムを使用して予測精度を向上させます。
さらに、部屋のセグメンテーションを抽出し、予測マップに基づいて接続性を構築します。これは下流のタスクに使用できます。
提案された方法の有効性を検証するために、それを探査タスクに適用します。
広範な実験により、乱雑なシーンであっても、私たちが提案した方法が効率性を高めることができることが示されています。

要約(オリジナル)

Robot exploration aims at constructing unknown environments and it is important to achieve it with shorter paths. Traditional methods focus on optimizing the visiting order based on current observations, which may lead to local-minimal results. Recently, by predicting the structure of the unseen environment, the exploration efficiency can be further improved. However, in a cluttered environment, due to the randomness of obstacles, the ability for prediction is limited. Therefore, to solve this problem, we propose a map prediction algorithm that can be efficient in predicting the layout of noisy indoor environments. We focus on the scenario of 2D exploration. First, we perform floor plan extraction by denoising the cluttered map using deep learning. Then, we use a floor plan-based algorithm to improve the prediction accuracy. Additionally, we extract the segmentation of rooms and construct their connectivity based on the predicted map, which can be used for downstream tasks. To validate the effectiveness of the proposed method, it is applied to exploration tasks. Extensive experiments show that even in cluttered scenes, our proposed method can benefit efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google