Sixth-Sense：平面型ライダーデータから人の空間的な認識を自己教師あり学習する

Abstract

人の信頼できるローカライゼーションは、人間と密に相互作用しながら稼働しなければならないサービスロボットやソーシャルロボットにとって根本的に重要である。最先端の人検出器は多くの場合、RGB-Dカメラや高価な3D LiDARに依存している。しかし、ほとんどの市販ロボットには視野が狭いカメラが搭載されており、別の方向から接近してくるユーザを認識できないことがある。また、安価な1D LiDARでは、その読み取り値の解釈が難しい。これらの制約に対処するため、本研究では、RGB-Dカメラの検出を教師（スーパービジョン）として用い、1D LiDARデータから人を検出し、さらに2D姿勢を推定する自己教師ありアプローチを提案する。自律的に収集した70分間のデータで学習した本モデルは、未見の環境において全方位的に人を検出し、精度71%、再現率80%を達成する。距離における平均絶対誤差は13cm、方位における平均絶対誤差は44{\deg}であり、これはグラウンドトゥルースデータに対して測定された値である。生の検出精度を超えて、この能力は、共有された公共空間で稼働するロボットにとって重要である。そこでは、近くの人に対する全方位的な認識が、安全なナビゲーション、適切な接近行動、低コストでプライバシーを保護するセンシングによるタイムリーなヒューマン・ロボット間インタラクションの開始に不可欠となる。さらに2つの追加の公共環境での展開結果は、このアプローチが、ソーシャルに配慮したサービスロボティクスにおける実用的な広視野（wide-FOV）認識レイヤとして機能し得ることを示唆している。