Generative Adversarial Networksと場所概念形成の確率モデルの融合に基づくSemantic Mapping

抄録

人間の生活する環境で動作するロボットが人間とのコミュニケーションを通してタスクを遂行するためには，ロボットが環境の地図に意味情報を割り当てるSemantic Mappingのタスクを解いて場所の意味情報を理解することが重要である．本稿ではGANsの枠組みで大量の既知環境のSemantic Mapによって訓練された全セルのクラスの同時分布を近似したネットワークを用い，未知環境でSemantic Mappingを行う手法を提案する．提案手法は部屋ごとの関係性など既知環境のSemantic mapに含まれる特徴を未知環境に転移することが可能である．また全セルのクラスの同時分布を用いることで観測した範囲の情報から観測していない範囲を推定する場合においても精度を向上させた．実験ではシミュレーション空間で作成されたデータセットを用いて訓練した提案手法の精度を評価した．また実環境においても実際にSemantic Mappingを行い，提案手法がロボットに場所の意味情報を獲得させる手法として有効であることを示す．