Robustní vizuální navigace v extrémních prostředích inspirovaná hippokampem a entorhinálním kortexem

Abstract

Tato diplomová práce se zabývá bio-inspirovanou robotickou vizuální navigací a je rozdělena na tři hlavní části. První částí je porovnání navigace zvířat a lidí oproti navigaci v aktuálních robotických systémech a krátké shrnutí výzkumu na téma navigace lidí a zvířat. Druhá část je o novém simulátoru, který jsme navrhli tak, aby v něm výzkumníci mohli rozbíjet aktuální robotické systémy založené na počátačovém vidění. Dále také představujeme novou metodu vyhodnocování navigace jako celku, pomocí navrženého simulátoru. Poslední částí je systém pro vizuální navigaci, mapování a prozkoumávání, spolu s metodou hledání korespondencí mezi více mapami, která pro tyto účely používá geometrii velkých úseků prostředí. Funkcionalitu tohoto systému demonstrujeme na experimentech v simulovaném i reálném prostředí.This thesis deals with bio-inspired monocular visual navigation and is divided into three main parts. First, we survey the research in cognitive neuroscience on human and animal navigation, compare it with the currently best robotic vision-based navigation systems, and identify core strengths of biological navigation which could be worth replicating in robotics. Second, we present a novel simulator that we purpose-build to simulate challenging scenarios and find the limits of existing vision-based systems, which often assume small-scale, static, and unambiguous environments. We also propose a method of evaluating navigation holistically, using the simulator. Third, we present a new vision-based autonomous navigation, map-building and exploration approach. We also show that by using large-scale spatial geometry instead of visual appearance, one can achieve robust multi-session localization even in a highly perceptually aliased environment. Finally, we demonstrate the exploration and safety-aware planning of the designed system both in simulation, and in the real world on an inexpensive unmanned aerial vehicle with limited sensing capabilities.