カーネギーメロン大学、クロスモーダルシミュレーションデータで自律ドローン訓練のブレークスルー

知覚と制御を分離学習、シミュレーション・トゥ・リアルのギャップを克服

自律飛行するドローンには、環境で知覚した情報を理解し、それに基づいて意思決定する能力が必要です。カーネギーメロン大学の研究者たちが開発した新手法により、ドローンは知覚と行動を別々に学習できるようになりました。

二段階アプローチで現実展開を実現

この二段階アプローチは「シミュレーション・トゥ・リアルギャップ」を克服し、シミュレーションデータのみで訓練されたドローンを実世界のコースナビゲーションに安全に展開する道を開きました。

ロボティクス研究所博士課程のロジェリオ・ボナッティ氏は、「通常、最高品質のフォトリアルなシミュレーションデータで訓練されたドローンでも、照明、色、テクスチャが現実と十分に異なるため、実世界では失敗します。我々の知覚モジュールは2つのモダリティで訓練することで、環境変動に対する堅牢性を高めています」と説明します。

2つのモダリティで知覚を強化

第1モダリティ：画像
フォトリアルなシミュレーターで、ドローン、サッカーフィールド、地面から浮いた赤い正方形ゲートをランダム配置したトラックを含む環境を作成。数千のランダムなドローン・ゲート配置から大量のシミュレーション画像データセットを構築しました。

第2モダリティ：ゲートの位置と姿勢
シミュレーション画像データセットを用いて、空間内でのゲートの位置と向きを特定します。複数モダリティでモデルを訓練することで、フィールドとゲートの本質を、シミュレーションから現実へ転移可能な形で理解できる堅牢な表現を獲得します。

画像をより少ないピクセルに圧縮することがこのプロセスを助けます。低次元表現から学習することで、モデルは実世界の視覚ノイズを透過し、ゲートを特定できるようになります。

シミュレーション内で制御方策を学習

知覚を習得後、研究者たちはドローンをシミュレーション内に展開し、制御方策（物理的にどう動くか）を学習させます。コースをナビゲートし各ゲートと遭遇する際に、どの速度を適用すべきかを学習します。シミュレーション環境であるため、展開前にプログラムがドローンの最適軌道を計算できます。

この手法は、専門オペレーターによる手動教師あり学習より優位です。実世界での学習は危険で、時間とコストがかかるためです。ドローンは研究者たちが指示する訓練ステップを経てコースナビゲーションを学習します。ボナッティ氏は、実世界で必要となる特定の敏捷性と方向性をドローンに挑戦させます。

「ドローンを左右に曲がらせ、異なるトラック形状で走らせ、ノイズを加えて難易度を上げます。ロボットは特定のトラックを再現するのではなく、自律レースに必要なすべての要素と動作タイプを学習しています」とボナッティ氏。

人間の環境解釈能力に迫る

ボナッティ氏は、現在の技術を人間の環境キュー解釈能力に近づけることを目指しています。「これまでの自律ドローンレース研究の多くは、速度を唯一の目的として追加センサーとソフトウェアでシステムを拡張することに焦点を当ててきました。我々は代わりに、人間の脳の機能に着想を得た計算ファブリックを作り、潜在表現を通じて視覚情報を正しい制御アクションにマッピングすることを目指しました。」

ドローンレース以外への応用可能性

ドローンレースはこの学習タイプの可能性の一つに過ぎません。知覚と制御を分離する手法は、運転や調理など、人工知能の多様なタスクに応用可能です。このモデルは画像と位置で知覚を教えますが、音や形状など他のモダリティを用いて車両、野生生物、物体の識別などにも応用できます。

論文とオープンソース公開

共同研究者にはカーネギーメロンのセバスチャン・シェーラー、マイクロソフトのラトネシュ・マダン、ビバーブ・ヴィネート、アシシュ・カプールら。論文「Learning Visuomotor Policies for Aerial Navigation Using Cross-Modal Representations」はIROS 2020で採択され、コードはオープンソースとして公開されています。