タスク駆動の3D知覚と計画のための文脈的グラフ表現

概要: 近年のコンピュータビジョンの進歩により、視覚・慣性データから対象中心の関係表現を完全自動で抽出することが可能になってきました。これらの状態表現は「3Dシーングラフ」と呼ばれ、実世界のシーンを、密なマルチプレックスなグラフ構造を備えた階層的に分解したものです。3Dシーングラフはロボットシステムにおける効率的なタスク計画を促進すると主張される一方で、所与のタスクに必要なのがごく少数の部分集合だけである場合にも、多数のオブジェクトや関係が含まれてしまいます。これにより、タスクプランナーが扱わなければならない状態空間が拡大し、計算資源が制約された環境への導入が妨げられます。本論文では、ロボットのタスク計画と3Dシーングラフの交差領域における研究に既存の身体性を備えたAI環境が適しているかを検証し、最先端の古典的プランナーを経験的に比較するためのベンチマークを構築します。さらに、計画ドメインの関係構造に内在する不変性を活用するためにグラフニューラルネットワークを用いることを探究し、より高速な計画を可能にする表現を学習します。