본 논문은 LiDAR-파노라마 카메라 시스템을 탑재한 지상 로봇을 이용하여 복잡하고 알려지지 않은 환경에서 자율적인 의미론적 탐색 및 밀집 의미론적 목표 매핑을 수행하는 시스템을 제시합니다. 기존 접근 방식은 여러 시점에서 고품질 관측 데이터를 수집하는 것과 불필요한 반복적인 이동을 피하는 것 사이의 균형을 맞추는 데 어려움을 겪는 경우가 많습니다. 이러한 문제를 해결하기 위해 매핑과 계획을 결합한 완전한 시스템을 제안합니다. 먼저 기하학적 범위와 의미론적 관점 관찰 모두를 완료하는 것으로 작업을 재정의합니다. 그런 다음 의미론적 및 기하학적 관점을 별도로 관리하고 새로운 우선순위 기반 분리형 지역 샘플러를 제안하여 지역 관점 집합을 생성합니다. 이를 통해 불필요한 반복 없이 명시적인 다중 관점 의미론적 검사와 복셀 범위를 가능하게 합니다. 이를 기반으로 효율적인 전역 범위를 보장하기 위한 계층적 계획자를 개발합니다. 또한 로봇의 안전을 보장하면서 공격적인 탐험 동작을 허용하는 안전한 공격적 탐험 상태 머신을 제안합니다. 본 시스템에는 최첨단 SLAM 알고리즘과 원활하게 통합되어 포인트 클라우드 수준의 밀집 의미론적 목표 매핑을 수행하는 플러그 앤 플레이 의미론적 목표 매핑 모듈이 포함되어 있습니다. 현실적인 시뮬레이션과 복잡한 실제 환경에서의 광범위한 실험을 통해 제안된 접근 방식의 유효성을 검증합니다. 시뮬레이션 결과는 제안된 계획자가 더 빠른 탐색과 더 짧은 이동 거리를 달성하는 동시에 지정된 수의 다중 관점 검사를 보장함을 보여줍니다. 실제 실험은 비구조화된 환경의 정확한 밀집 의미론적 객체 매핑 달성에서 시스템의 효과를 더욱 확인합니다.
시사점, 한계점
•
시사점:
◦
복잡한 환경에서의 효율적인 자율 탐색 및 의미론적 매핑을 위한 새로운 시스템 제시.
◦
다중 관점 관찰과 기하학적 범위를 동시에 고려하는 효과적인 계획 알고리즘 개발.
◦
안전성을 유지하면서 공격적인 탐색을 가능하게 하는 상태 머신 구현.
◦
시뮬레이션 및 실제 환경 실험을 통한 시스템 성능 검증.
◦
최첨단 SLAM 알고리즘과의 원활한 통합을 통한 향상된 매핑 정확도.
•
한계점:
◦
제안된 시스템의 성능은 사용된 LiDAR-파노라마 카메라 시스템의 성능에 의존적일 수 있음.
◦
다양한 환경 조건(예: 조명, 날씨)에 대한 시스템의 강건성에 대한 추가적인 검증 필요.
◦
실제 환경에서의 장기간 운용 시 발생할 수 있는 시스템의 안정성 및 내구성에 대한 추가적인 연구 필요.
◦
계산 비용이 높아 실시간 처리에 어려움이 있을 수 있음.
◦
특정 유형의 환경(예: 극도로 좁거나 혼잡한 환경)에 대한 시스템의 적용 가능성에 대한 추가적인 연구 필요.
