CREStE: Scalable Mapless Navigation with Internet Scale Priors and Counterfactual Guidance
Created by
- Haebom
Category
Empty
저자
Arthur Zhang, Harshit Sikchi, Amy Zhang, Joydeep Biswas
개요
CREStE는 고해상도 지도나 정확한 경로 지점 없이 로봇이 새로운 환경을 이동할 수 있도록 하는 장기간 무지도 내비게이션 문제를 해결하는 최초의 방법입니다. 기존 방법들의 일반화 문제를 해결하기 위해, 사전에 모든 가능한 탐색 요소와 지각적 동일화 형태를 열거하지 않고 환경의 강력하고 일반화 가능한 지각 표현을 학습하고, 학습된 표현을 사용하여 사람 중심의 탐색 경로를 계획하는 방법을 제안합니다. 인터넷 규모의 데이터로 훈련된 시각적 기반 모델을 활용하여 고도, 의미 및 인스턴스 수준의 특징을 포착하는 연속적인 조감도 표현을 학습합니다. 계획에 학습된 표현을 활용하기 위해 반사실적 손실과 적극적 학습 절차를 제안하여 어려운 장면에서 사람에게 반사실적 경로 주석을 질의함으로써 가장 두드러진 지각적 단서에 집중합니다. 6개의 서로 다른 도시 환경에서 킬로미터 규모의 탐색 작업에서 CREStE를 평가하여, 모든 최첨단 접근 방식을 능가하며 미션당 70% 적은 인간 개입으로 성능을 보였습니다. (예: 보이지 않는 환경에서 2km 미션을 단 1회의 개입으로 수행).
시사점, 한계점
•
시사점:
◦
대규모 로봇 데이터셋이나 수동으로 큐레이션된 특징에 의존하지 않고 장기간 무지도 내비게이션 문제를 해결하기 위한 표현과 보상을 학습하는 최초의 방법 제시.
◦
시각적 기반 모델을 활용하여 연속적인 조감도 표현 학습을 통해 강력하고 일반화 가능한 지각 표현 학습.
◦
반사실적 손실 및 적극적 학습 절차를 통해 인간 개입을 최소화하면서 효율적인 계획 수행.
◦
킬로미터 규모의 다양한 도시 환경에서 최첨단 성능을 달성.
•
한계점:
◦
제시된 방법의 일반화 성능에 대한 추가적인 테스트와 검증이 필요할 수 있음.
◦
실제 세계 환경의 다양성을 완벽하게 반영하지 못할 가능성 존재.
◦
인간 개입이 완전히 제거되지 않고, 여전히 특정 상황에서 인간의 도움이 필요할 수 있음.
