変化に頑健なオンライン空間・意味トポロジーマッピング

要旨: 自律ロボットには、変化に頑健な空間-意味論的推論が必要です。これは、環境が変化しても、どこへ行くべきか、そこへどうやって行くのか、そしてロボットが今どこにいるのかを決めるために、空間知識と意味知識を用いることです。既存のアプローチは通常、SLAMによって構築された計量地図に意味を付与しますが、見え方の変化やシーンのダイナミクスのもとでは、これらのパイプラインは脆くなります。この状況では、データ対応付けや再ローカライズが劣化します。本研究では、グローバルに一貫した計量基盤を、RGB-Dキーフレームのオンラインで姿勢に応じた位相（トポロジカル）グラフに置き換える、変化に頑健なオンライン空間-意味論（CROSS）表現を提案します。本システムは、連続したSE(3)上での逐次仮説検定を用いて、知覚上の曖昧さを明示的に推論します。推定器は、姿勢に関する有界なガウス混合分布の信念（ベリーフ）を維持し、ループクロージャや誘拐ロボット事象（kidnapped-robot events）を原理的に扱えるようにします。照明の変化や家具の組み替えを含む、実ロボットによる物体-目標ナビゲーションを実施するなどの、深刻な見え方の変化下での実験では、SLAMベースおよび位相（トポロジカル）ベースラインに比べて頑健性が向上しつつ、知覚エイリアシング（同一視）下でも安全であることが示されます。