季節的な深雪環境におけるティーチ・アンド・リピートの試み

- 本論文は、季節変動により大きく環境が変化するoff-road環境におけるteach and repeatの予備的なfield trialを報告するものである。 - 人間のoperatorがvehicleを操縦して経路networkを作成し、mappingとodometryを関連付ける。教示直後は自律走行が可能だが、季節変化する環境では未探索であった。 - lidarとradarの両実装によるteach and repeatを比較している。 - 今後のFoMo datasetの一部データを用い、4日、44日、113日前の経路の再走行を試みた。

- teach and repeatはchallenging terrainやoff-roadでの自律性を迅速に得る手法として知られるが、季節変動で大きく変化するoff-road環境ではほとんど検討されていなかった。 - 本研究はlidarとradarの両方のteach and repeat実装を、異なる経過日数の経路で比較した点が新しい。 - 具体的な先行研究との定量的比較は要旨からは不明。

- teach and repeatの枠組み: 人間がvehicleを操縦して経路networkを作成し、mappingとodometryを関連付ける。 - lidar実装とradar実装の2種類を用いる。 - lidar teach and repeatではground pointsを除去することでlocalize能力が向上した。 - FMCW radarは古いmapでもlocalizeできる場合があるが、教示経路からの小さなずれに限られた。 - 車両の高いpitchやrollにより、最近のmapでもradar localizationが失敗する事例がある。

- 今後のFoMo datasetの一部データを用いた予備的なfield trialを実施。 - 4日、44日、113日前に教示した経路の再走行を試み、lidarとradarのlocalization性能を比較した。 - lidarはground points除去時にlocalize能力が高いことを示した。 - radarは古いmapでlocalize可能な場合があるが、教示経路からの小さなずれに限定された。 - pitchやrollが高い場合にradar localizationが失敗する具体例を報告。

- 季節変化のある環境で信頼できるteach and repeatを実現するには改善が必要な領域があると述べている。 - field deploymentで得られたlessons learnedを強調している。 - radar localizationが高いpitchやrollで失敗する問題を指摘。 - 具体的な議論の詳細や定量的な限界は要旨からは不明。

- 本論文が用いたFoMo dataset(https://norlab-ulaval.github.io/FoMo-website)の公開情報と関連データ。 - teach and repeatの一般的な関連手法(lidar-based localization、FMCW radar-based localization)。 - 要旨で直接参照/比較されている個別論文は明示されていないため、同分野の定番としてteach and repeatおよびoff-road localizationの関連研究を挙げる。