Dhruv ShahさんがCoRL2021で発表されていた、論文内容を紹介します。

1. Learning to Navigate and
Explore Open-World
Environments
CoRL2021読み解 Lightning talk⚡ 2021.12.11
Shigeharu Mukai
twitter: @moe_moe_moegi

2. 著者情報
• Dhruv Shahさん
• 発音：ドゥルーヴ
• UC-Berkeley
の大学院生
• Google Brain Roboticsの
学生研究員
• Levine大先生がアドバイザ

3. Summary
• 問題設定
• 自立移動ロボットを指定した画像の場所に行かせる
• 手法
• Topological Graph
• Variational Information Bottleneck
• 新規性、優位性
• 80m離れた場所に20min以内に到達可能
• RLの好奇心系手法と比較、次鋒より50%早く到着
• 天候条件、新規障害物にロバスト
使用した筐体
：Jackal (Clear Path社)

4. 問題設定
• 自立移動ロボットを指定した画像の場所に行かせる
• 未知の環境
• 未知の画像
• 自己位置情報なし（カメラのみ）
• シミュレータなし
• 他の環境で収集したデータは有り
• 問題設定2 [割愛]
• 未知の環境→既知の環境

5. 問題設定
動画→
https://youtu.be/jF1URT-TSRU
ロボットから
見えている画像
監視用可視化(ロボには見えない)
行かせたい
場所の画像

6. 問題設定
動画→
https://youtu.be/jF1URT-TSRU
行かせたい
場所の画像
ロボットから
見えている画像
監視用可視化(ロボには見えない)

7. 問題設定
動画→
https://youtu.be/jF1URT-TSRU
行かせたい
場所の画像
ロボットから
見えている画像

8. アルゴリズム
• 探索開始
↓
↓
• マップを作りながら探索
↓
↓
↓
• 目的地へ行けそうと予測
↓
• 目的地へ到達

9. 手法
• Topological Map
• 座標情報は得られないし、推定もしない
↓
• 地図をグラフとして表現
• ノード：画像＋訪問回数
• エッジ：移動時間
• ループはクローズしない
• 移動時間はニューラルネットで予測
• グラフ間の移動手段もニューラルネットにまかせる
移動時間
22.7 フレーム
20.5
18.1
21.1
訪問回数：1回

10. 手法
• Variational Information Bottleneck
• 移動時間予測＋RLの方策をニューラルネットで学習
• 入力
• 今の画像、目的地画像
• 出力
• 今取る行動、移動時間
• 制約
• Zが標準正規分布に近づくように
• c.f. β-VAE
→ 予測に不要な情報を削ぎ落として
天気や新規障害物にロバストに

11. 新規性・優位性
• RLの好奇心系手法と比較、次鋒より50%早く到着
• ８つ未知環境
• スタートからゴールに着くまでの
時間を比較
• 天候条件、新規障害物にロバスト

12. 参考文献
• 著者情報
• https://people.eecs.berkeley.edu/~shah/
• 今回の論文、ポスター、Review
• https://openreview.net/forum?id=d_SWJhyKfVw
• 当日のOral Session
• https://www.youtube.com/watch?v=tR9MMvsu2gA&t=5s
• データセット
• https://sites.google.com/view/recon-robot/dataset
• 18ヶ月、50B

13. APPENDIX

14. 個人的な疑問

15. その他情報１
• データセットはオンラインで作る
• アルゴリズム→

16. その他情報２
• ELBO前の目的関数

17. アルゴリズム
• 開始時に必要なもの
• 他の環境のデータで学習
されたモデルp,q
• 今画像
• 最終ゴール画像
• 各種ハイパラ
• 訪問回数が少ない探索
ノード付近
• 今画像・目的地画像を無
視して、zをサンプリング
する