日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2509.13342

フォトリアリスティック再構成環境で学習した深層ニューラルネットワークによる実世界ロボット探索

Real World Robotic Exploration using Deep Neural Networks Trained in Photorealistic Reconstructed Environments

シェア:XThreadsFacebookLINEはてブBluesky

フォトグラメトリで再構成した環境の画像からロボットの位置姿勢を推定する深層学習モデルを改良し、屋内実環境でのナビゲーションを実現した。

詳しい要約

1. どんなもの?

- 深層学習によるロボットの視覚的自己位置推定(RGB画像からのpose推定)と、それを用いたナビゲーションのフルパイプラインの提案 - photogrammetryデータからposeラベル付きデータセットを生成し、局所環境でモデルを学習 - 学習済みモデルをTurtleBot上でリアルタイムに動作させて検証 - 屋内シーン向けの頑健なナビゲーションアルゴリズムを、シーン画像の収集のみで構築可能にする試み

2. 先行研究と比べてどこがすごい?

- 既存のRGB画像からのpose推定DNNを改良し、学習の容易さを損なわずにlocalization性能を向上 - loss functionを拡張し、位置誤差と回転誤差を直感的に組み合わせることでperceptual aliasingへの頑健性を向上 - 未改良ネットワークと比較して、屋内シーンでmedian positional errorが最大9.64%、median rotational errorが最大2.99%減少 - photogrammetry由来のpose-labelled datasetで局所環境に学習させ、0.11m・0.89度のlocalization精度を達成

3. 技術・手法の肝は?

- RGB画像からロボットのposeを推定する既存DNNをベースに改良 - loss functionを拡張し、positional errorとrotational errorを組み合わせてperceptual aliasingへの頑健性を高める - photogrammetryデータを用いてpose-labelled datasetを生成し、対象の屋内環境でモデルを学習 - 学習済みモデルをナビゲーションアルゴリズムの基盤とし、TurtleBot上でリアルタイム実行 - シーン画像の収集(最短330秒程度)のみを要件とするパイプラインを構成

4. どうやって有効だと検証した?

- 改良ネットワークと未改良ネットワークを比較し、屋内シーンでのlocalization精度の改善を評価 - median positional errorとmedian rotational errorの減少率として報告(最大9.64%および2.99%) - photogrammetry由来データセットで学習したモデルが0.11m・0.89度のlocalization精度を達成 - 学習済みモデルをTurtleBot上でリアルタイムにナビゲーションアルゴリズムとして試験

5. 議論はある?

- perceptual aliasingへの頑健性向上をloss functionの拡張で狙う設計上の議論 - 学習の容易さを維持しつつlocalization性能を改善する点 - photogrammetryによるpose-labelled dataset生成と局所環境への適用可能性 - 実ロボット(TurtleBot)でのリアルタイム運用に関する議論 - 具体的な限界や失敗事例、計算コストなどの詳細は要旨からは不明

6. 次に読むべき論文は?

- 本論文で改良のベースとなった既存のRGB画像からのpose推定DNN(具体的名称は要旨からは不明) - photogrammetryを用いたpose-labelled dataset生成に関する研究 - perceptual aliasingに頑健なlocalization手法(例:visual place recognition関連) - TurtleBotを用いた屋内ナビゲーションの実機研究 - 同分野の定番としてvisual SLAMやdeep learning based localizationの関連論文

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Isaac Ronald Ward

分類: cs.RO, cs.AI

原文アブストラクト

In this work, an existing deep neural network approach for determining a robot's pose from visual information (RGB images) is modified, improving its localization performance without impacting its ease of training. Explicitly, the network's loss function is extended in a manner which intuitively combines the positional and rotational error in order to increase robustness to perceptual aliasing. An improvement in the localization accuracy for indoor scenes is observed: with decreases of up to 9.64% and 2.99% in the median positional and rotational error respectively, when compared to the unmodified network. Additionally, photogrammetry data is used to produce a pose-labelled dataset which allows the above model to be trained on a local environment, resulting in localization accuracies of 0.11m & 0.89 degrees. This trained model forms the basis of a navigation algorithm, which is tested in real-time on a TurtleBot (a wheeled robotic device). As such, this work introduces a full pipeline for creating a robust navigational algorithm for any given real world indoor scene; the only requirement being a collection of images from the scene, which can be captured in as little as 330 seconds of

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI