CVPR 2022 | 多机械人协同主动建图算法

本文是 CVPR 2022入选论文《Multi-Robot Active Mapping via Neural Bipartite Graph Matching》的解读。该论文由北京大学陈宝权研究团队与山东大学、腾讯AI Lab、清华大学、斯坦福大学合作,将传统方式与机械学习相结合,提出了多机械人协同主动建图算法 NeuralCoMapping,实现了室内场景完备舆图的高效建立。
试验证明,相比于其他多机协同建图算法,NeuralCoMapping 在时间作用上具有显著优势,而且在多种未知场景和不同数量机械人上表现出卓越的泛化能力。

CVPR 2022 | 多机械人协同主动建图算法

论文地址:

https://fqnchina.github.io/QingnanFan_files/cvpr_2022_mapping.pdf

01 研究背景

建立室内场景的二维或三维舆图是计算机视觉和机械人领域中的一项重要任务。机械人导航、增强现实等前沿应用都离不开场景舆图的建立。在这个问题上,最原始的方式是派出技术人员,使用手持或车载传感器设备对场景进行人工扫描,随后将采撷的数据合成成为场景舆图。然而这样的方式严重依赖于技术人员的操作,很快被机械人自动建图的方式所取代。

主动建图(Active Mapping),即机械人在未知场景中主动地移动和采撷数据从而自动化地建立场景舆图的过程。该任务的难点在于如何高效地探究未知环境并建立完备的场景舆图。传统算法大多鉴于贪心策略,因此作用有限;近几年鉴于机械学习的算法注重作用,然而无法保证舆图的完备性。因此,我们将传统算法和机械学习相结合,同时吸取了传统算法舆图完备度高和机械学习方式全部作用高的优点,提出了 NeuralCoMapping 算法。

02 本文方式

NeuralCoMapping 算法由四个模块组成:建图模块(Mapping Module),全部计划器(Global Planner),部分计划器(Local Planner)和作为控制器(Action Controller)。

CVPR 2022 | 多机械人协同主动建图算法

图1. 算法流程

首先,各个机械人的传感器采撷当前时间步的深度图(Image)和位姿数据(Pose),建图模块(Mapping Module)根据这些数据更新障碍物舆图(Occupancy Map)。随后,障碍物舆图被传入到部分计划器中。一同传入部分计划器的还有每个机械人的指标地位(Global Positions),这些指标地位由全部计划器(Global Planner)每隔一定时间进行全部计划得到。部分计划器根据每个机械人的当前地位和指标地位,在舆图上计算出移动路线(Moving Trajectories),然后作为控制器(Action Controller)根据移动路线计算出当前时间步机械人应该采取怎样的作为(前进、左转或右转)。最终机械人采取作为控制器给出的作为,并等待下一个时间步的数据采撷。

全部计划器的计划算法在主动建图中起到决定性作用,也是我们算法设计的核心部分。这一部分算法根据当前舆图和机械人地位,决定每个机械人在下一次全部计划之前需要前往的指标地位,从而逐步探究场景并更新舆图。

CVPR 2022 | 多机械人协同主动建图算法

图2. 全部计划算法

具体地,我们首先从舆图中提取两类节点,机械人地位(robots)和前沿点地位(frontiers)。前沿点也叫做边境点,指舆图中位于已探究无障碍物区域和未探究区域的分界线上的点。鉴于这两类节点,我们将全部计划抽象成二分图立室问题:为每一个机械人分配一个前沿点作为指标地位。以前沿点作为指标,机械人总是会向未知区域前进。当舆图中不再有前沿点时,我们就得到了完备的场景舆图。

为了实现全部计划之间的连续性,我们额外加入了两类辅助节点,历史机械人地位(history robots)和历史指标地位(history goals)。通过多路图神经网络(Multiplex Graph Neural Network),我们提取机械人和前沿点之间的距离代价,作为二分图立室的关联矩阵(Affinity Matrix)。鉴于关联矩阵,我们使用线性分配层(Linear Assignment Layer)进行可微匈牙利算法(Differentiable Hungarian Algorithm),从而得到二分图立室,即每个机械人分配一个前沿点作为指标地位。

03 试验结论

CVPR 2022 | 多机械人协同主动建图算法

图3. 时间作用试验结果

我们在 iGibson 模拟器使用 Gibson 和 Matterport3D 数据集进行试验。具体地,我们在 Gibson 数据集随机选取9个场景进行训练,把剩余场景和 Matterport3D 数据集的场景用作测试。结果表明,与其他多机协同算法相比,我们提出的 NeuralCoMapping 在全部时间作用上具有显著优势。测试场景面积越大,NeuralCoMapping 表现出来的优势越明显。在 Matterport3D 场景中的测试结果也表明 NeuralCoMapping 对不同类型场景有很好的泛化性。

CVPR 2022 | 多机械人协同主动建图算法

图4. 泛化性能试验结果

此外,NeuralCoMapping 在不同机械人数量上也表现出很好的泛化性。在三个机械人之上训练的模型,仍然能够直接应用在二或四个机械人之上(附加材料包含了多至九个机械人的泛化性试验),这归功于我们算法的层次设计:我们将复杂的全部计划问题抽象为对机械人数量不敏感的二分图立室问题,从而能够利用多路图神经网络,使算法运行在任意数量的机械人上。

综上,我们将传统算法与机械学习相结合,提出了一种高效的多机协同算法 NeuralCoMapping,实现了对未知室内场景的自动化探究和完备舆图建立。该方式对于多种未知场景和不同数量机械人具有卓越的泛化能力。

图文 | 叶开

Visual Computing and Learning (VCL)

原创文章,作者:北京大学前沿计算研究中心,如若转载,请注明出处:https://www.iaiol.com/news/cvpr2022-duo-ji-xie-ren-xie-tong-zhu-dong-jian-tu-suan-fa/

(0)
上一篇 2022年 7月 18日 下午5:04
下一篇 2022年 7月 18日 下午5:06

相关推荐

  • 迷信机械进修的竞争和共识:博弈论方法如何导致更智能的人工智能

    编译/凯霞得益于空军迷信研究办公室的195 万美元赠款,马萨诸塞大学阿默斯特分校数学和统计系教授 Markos Katsoulakis 和 Luc Rey-Bellet,以及布朗大学的 Paul Dupuis 将在接下来的四年开发一种新的机械进修方法,超越对大数据的传统依赖。Markos KatsoulakisLuc Rey-Bellet传统的机械进修依赖于庞大的数据缓存,算法可以筛选这些数据以「训练」自己完成任务,从而产生基于数据的数学模型。但是,如果数据很少,或者生成足够多的数据成本太高,该怎么办呢?一种可能的

    2021年 10月 31日
  • 新加坡国立大学金玥明组全奖博士生、博士后、科研助理招募

    新一年博士招生正式启动!本期我们将为大家介绍新加坡国立大学金玥明课题组招募博士生 / 博士后 / 科研助理的相关信息。

    2022年 8月 11日
  • 吴凌飞、崔鹏、裴健、赵亮联合撰写,一本书读懂图神经网络的底子、前沿、利用(免费下载)

    这本书称得上是目前为止图神经网络范畴最为全面的卓越之作。

    2022年 1月 12日
  • 亚马逊资深首席科学家李沐:工作这五年

    自CMU机器学习博士毕业至今,亚马逊资深首席科学家李沐的业界之路已经走过了五年空儿。期间,李沐博士对技巧、产物、管理、升职加薪等工作中的方方面面都有了更深的感悟。「专一于最有代价的工作」是他对过往五年工作历程的最好总结。

    2021年 5月 25日
  • 初三就能上清华,丘成桐数学科学领军意图首批名单出炉,本月入校接受预科教育

    不需要参加高考,第一批入围「丘成桐数学科学领军意图」的神仙选手们,这个月将直接入读清华大学。

    2021年 4月 7日
  • Creator 面对面 | 面向对立的 AI 模型架构和进修步骤

    随着 AI 的兴起,不同规模的相关研究热火朝天,各种各样的 AI 模型框架和进修步骤扑面而来,各不相同。那么是否能有一种对立的模型架构和进修步骤来解决不同规模的不同问题呢?让我们来听听怎么看。

    2022年 7月 18日
  • 干货速递,baiduBML主动超参搜寻技术原理揭秘与实战攻略!

    在人工智能领域,算法工程师在训练神经网络模型的过程中,完成网络构建和准备好训练数据后,往往需要对模型从事各种参数优化,以获得更好的模型成效。但调参其实并不简单,背后往往是通宵达旦的参数调试与成效验证,并需要做大量的实验,不仅耗时也耗费大量算力。这个时候,往往想尝试主动超参搜寻,但又开始担心算力要求所带来的额外训练成本。莫慌!baidu全功能AI开发平台BML带着免费算力额度与主动超参搜寻能力来了!先来介绍baidu最近全新升级的BML,何方神圣?全功能AI开发平台BML(Baidu Machine Learning) ,是为企

    2021年 8月 11日
  • 现在入行CV还有前途吗?AI青年学者这样看「未来五年的计算机视觉」

    为了推动 AI 技巧的应用创新,促进人工智能范围的学术交流、人才培养,打造人工智能的人才交流平台与产业生态圈,中国人工智能学会联合杭州市余杭区人民政府联合发起了首届全球人工智能技巧创新大赛,并得到了阿里云、OPPO 等头部科技企业的积极参与和支持。阿里云天池平台为本次大赛提供平台和算力支撑。

    AI 青年说是大赛主办方为提升青年开发者对 AI 的认识而主办的系列活动,该活动邀请知名青年学者,探讨理论研究与应用实践中的热点话题。本文对 AI 青年说系列活动第三期「未来五年的计算机视觉」核心内容进行了总结回顾。

    2021年 4月 30日
  • 硬科技起飞,这家成立仅三年的AI钻研院已颇具国际风范

    摘要:「我认为历史上多数突破性钻研成果的出现都是偶然事件,而钻研机构所有努力都是为了提升这类偶然事件发生的概率。」张宏江说道。他所牵头的「革新型钻研院」,即是一种积极探索,短短3年已展现一派生机。

    2022年 1月 11日
  • 大咖齐聚、思想碰撞、探索前沿,2021WAIC· 隐衷盘算学术交流会全日程公布

    2021 年世界人工智能大会(WAIC)将于 7 月 7 日 – 10 日在上海举办,本届大会继续秉持「智联世界」的理念,以「众智成城」为主题,促进全球人工智能翻新思想、技术、应用、人才和资本的集聚和交流,推动全球科技的翻新协同,助力打造人工智能世界级产业集群。7 月 8 日下午,由世界人工智能大会组委会指导,蚂蚁集团、机器之心和 CCF YOCSEF 上海学术委员会共同主办的「2021 WAIC· 隐衷盘算学术交流会」将于上海世博展览馆 2 号会议室隆重举行。本届大会程序委员会主席:上海交通大学盘算

    2021年 6月 23日

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注