移動ロボットに視覚と嗅覚の組み合わせ!【人工知能論文】

火災時やガス漏れ時、ミストのひどい工場など人間が呼吸ができない悪環境において活動できる賢いロボットの登場が今か今かと待たれている。

そこでスペインはマラガ大学のJavier Monroyら研究者は、ロボットに「視覚」と「嗅覚」を与えるために、とある機械学習フレームワークを開発したようだ。

その研究のポイントはこうだ。

✔️ オフィス、病院、工場などが緊急の悪環境に転じた時に動作するモバイルロボットへは、複数のセンサーの組み合わせが必要。

✔️ 研究者らは、ビジョン(Kinectセンサーとカメラ)と嗅覚(MOXベースの電子鼻)を使用して、環境を認識し、ガス源を検出および識別するロボットを開発した。

✔️ ガスを分類し、対応するオブジェクトを認識するために、ロボットは確率的ベイズフレームワーク(機械学習)とマルコフ決定プロセス(MDP)に基づく経路計画アルゴリズムで動く。

では、詳細を見てみよう。

ガス放出源の検出

Javier Monroyら研究者は移動ロボットを使用して、現実世界の人間環境内でのガス放出源の位置を特定する試みを行なった。

Sensors 18 04174 g006 550
(左)実際の実験中に使用された移動ロボットの写真。 ナビゲーションに使用される標準センサー(2DレーザーとKinect)に加えて、ロボットには、物体認識を実行するための追加のRGB-Dカメラと、ガスの検出と分類のためのMOXベースのe鼻[38]が装備された。 (右)冷蔵庫の隣にある水とエタノールの混合物を放出する超音波アトマイザーの写真(オブジェクト-10)。

彼らのアプローチは、検出されたガスと環境で視覚的に認識されたオブジェクトとの間の意味的関係を初めて活用するために、異なるセンサーモダリティ(つまり、視覚と化学センシング)を融合する効率的で一貫したシステムに基づいている。

この斬新なアプローチにより、ロボットはプロセスに関与する物体認識およびガス分類タスクの無視できない不確実性を考慮しながら、潜在的なガス源候補の有限セット(ロボットの動作に応じて動的に更新)に検索の焦点を合わせることができる。このアプローチは、複数の障害物とオブジェクトを含む構造化された屋内環境で特に興味深いものであり、オブジェクト間およびオブジェクトとガス間の関係の推論を可能にする。

Sensors 18 04174 g008 550
異なるタイムステップで各候補オブジェクトに関連付けられたMDPユーティリティ。 各オブジェクトのIDは、まだ検出されていない場合は灰色、オブジェクトが検出され候補リストに導入されている場合は緑色、オブジェクトがソースではないとして破棄された場合は赤色になる。 最も高い効用を持つ候補者には、緑色の矢印が付いている。

これらすべての不確実性と意味関係を処理するために、確率的ベイズフレームワークが開発されることとなり、まずソースとなる候補の順序付きリストが用意された。この候補リストは、新しいセンサーの測定時に動的に更新され、検索プロセスで以前に考慮されなかったオブジェクトを考慮する。このようなフレームワークの活用とオブジェクトの位置などの情報、または特定の候補者が本当にガスを放出しているかどうかを検証するために必要な時間は、マルコフ決定プロセスに基づいた経路計画アルゴリズムに委任され、検索時間を最小化する。

Sensors 18 04174 g001 550
セマンティックガスソースローカリゼーションのために提案されたシステムのワークフローを定義するアクティビティグラフ(統合モデリング言語(UML)を使用)。
Sensors 18 04174 g002 550
(上)階層が構築される、この作業で使用されるオントロジーの抜粋述語。
(中)オーブンの通常のサイズ(中または大)、放出できる臭い(ガス、腐った食べ物、または煙)、およびそれらの典型的な場所(キッチン)を記述する概念の簡略化された定義。
(下)OWLで表現されたオブジェクトインスタンス(obj-45)の例。 定義から、オブジェクトを取得できる。

念入りな検証

システムは、シミュレート実験と実際の実験の両方で、オフィスのようなシナリオでテストされ、異なる経路計画戦略の比較を可能にし、実際の条件下での効率が検証された。

Sensors 18 04174 g003 550
相互接続された4つの部屋と15のオブジェクト候補で構成される3Dシミュレーションホーム環境。オブジェクトは、環境内での位置とカテゴリ化の確率を指定する3D色付きボックスとして表示される。
Sensors 18 04174 g004
環境上の占有グリッドマップと、その上に存在するオブジェクトの詳細な位置、およびビジョンベースのオブジェクト認識システムによって出力される各カテゴリ。 ソース検索がトリガーされると、16の潜在的な候補のうち12のみが検出され、このセットにはガスソースは含まれない。
Sensors 18 04174 g005
実際の実験で検討されたいくつかのオブジェクトの分類結果。 オブジェクト認識システムは場合によってはオブジェクトを誤って分類してしまう(たとえば、中央の写真で冷蔵庫として誤って分類された収納棚を参照)。
Sensors 18 04174 g007 550
ガス漏れ(オブジェクト10にある)および実験で検討されたさまざまなオブジェクトの最終状態を検索する際にロボットがたどる経路。 新たに発見されたオブジェクトと推定されるユーティリティを説明するために、さまざまな時間的瞬間が分析された。

入院患者が寝ている間に病院内で起こったトラブルが、備え付けのロボットによってそっと回収される。何事もなかったかのような平穏な翌朝を迎える。そんなイメージが浮かんでくるようだ。

参照論文

J. Monroy, J.-R. Ruiz-Sarmiento, F.-A. Moreno, F. Melendez-Fernandez, C. Galindo and J. Gonzalez-Jimenez, “A Semantic-Based Gas Source Localization with a Mobile Robot Combining Vision and Chemical Sensing”. Sensors, 18(12), 4174 (2018).

DOI: 10.3390/s18124174

Translating

PAGE TOP