RoboShape: Information-Theoretic Point Cloud Representations for Privacy-Aware Robot Perception

Roboter bewegen sich zunehmend aus den Laboratorien heraus in unsere Häuser, Krankenhäuser und Arbeitsplätze. Um diese komplexen Räume zu navigieren, verlassen sie sich auf Sensoren, die die Welt als eine Wolke aus Millionen winziger Punkte erfassen und so eine dreidimensionale Karte ihrer Umgebung erstellen. Diese Karten ermöglichen es Maschinen, einen Stuhl zu erkennen, einen Tisch zu umgehen oder einen Pfad durch einen belebten Raum zu planen. Doch während Roboter diese Karten mit Cloud-Servern oder anderen Maschinen teilen, um voneinander zu lernen, ist ein neues Problem entstanden. Genau der Reichtum, der diese Karten für die Navigation so nützlich macht, offenbart auch intime Details über die Menschen, die dort leben. Ein Scan eines Wohnzimmers zeigt zwar ein Sofa, aber die Anordnung der Möbel und der Grundriss des Raumes können auch offenbaren, ob es sich um ein Schlafzimmer, ein Home-Office oder einen privaten medizinischen Bereich handelt – Informationen, die die Bewohner nie beabsichtigt haben zu teilen.

Seit Jahren kämpfen Ingenieure mit diesem Spannungsfeld zwischen Nutzen und Privatsphäre. Traditionelle Methoden zum Schutz von Daten wirken oft wie ein stumpfes Instrument. Das Hinzufügen von zufälligem Rauschen zu einer Karte mag zwar den Raumtyp verbergen, aber es verschleiert auch den Stuhl und die Tür, was den Roboter weniger effektiv macht. Andere Ansätze mischen die Daten oder versuchen zu erraten, was zu verbergen ist, aber ihnen fehlt eine präzise Möglichkeit, exakt zu messen, wie viele private Informationen noch vorhanden sind. Die Kernherausforderung bestand darin, einen Weg zu finden, die Details zu bewahren, die ein Roboter für seine Arbeit benötigt, während man gleichzeitig jene Details chirurgisch entfernt, die das Privatleben einer Person offenbaren, ohne dabei die allgemeine Qualität der Karte zu verschlechtern.

Ein Forscherteam hat ein neues System namens RoboShape vorgestellt, um dieses Problem zu lösen. Anstatt die gesamte 3D-Karte als einen einzigen, unteilbaren Datenblock zu behandeln, zerlegt es sie in kleine, handhabbare Stücke, sogenannte Voxel. Stellen Sie sich ein Voxel als einen winzigen, dreidimensionalen Pixel vor, der einen kleinen Würfel im Raum darstellt. Die Forscher beginnen mit einem leistungsstarken, vortrainierten Computerprogramm, das bereits gelernt hat, diese Stücke gut zu verstehen. Dieses Programm konvertiert jedes Stück der 3D-Karte in eine lange Liste von Zahlen, bekannt als Embedding, welches alles erfasst, was der Roboter über diesen spezifischen Ort weiß, einschließlich des Objekts, das er sieht, und der Art des Raumes.

Die Innovation liegt in dem, was als Nächstes geschieht. Die Forscher haben eine leichte, trainierbare Schicht über dieses bestehende Programm hinzugefügt. Diese neue Schicht fungiert wie ein Filter, der die lange Liste von Zahlen in eine viel kürzere Liste umgestaltet. Das Ziel dieser Umgestaltung wird durch ein mathematisches Prinzip namens Mutual Information (gegenseitige Information) geleitet, das im Wesentlichen misst, wie viel ein Stück an Daten über ein anderes aussagt. Das System wird mit zwei gegensätzlichen Anweisungen trainiert. Erstens wird ihm gesagt, so viele Informationen wie möglich über das Objekt selbst beizubehalten, damit der Roboter immer noch einen Stuhl oder einen Schreibtisch erkennen kann. Zweitens wird ihm gesagt, so wenig Information wie möglich über den Raumtyp zu behalten, damit der Roboter nicht erkennen kann, ob er sich in einem Schlafzimmer oder einem Badezimmer befindet.

Um dem System beizubringen, wie es diese konkurrierenden Ziele ausbalanciert, nutzten die Forscher eine spezifische Methode, um den Informationsfluss während des Trainings zu schätzen. Sie behandelten jedes kleine Stück der Karte als eine unabhängige Stichprobe, wodurch sie präzise messen konnten, wie viel die verkürzte Liste an Zahlen noch über den Raumtyp verriet. Durch die Anpassung des Filters, um die Verbindung zum Objekt zu maximieren und gleichzeitig die Verbindung zum Raum zu minimieren, lernte das System, die Daten signifikant zu komprimieren. Das Ergebnis ist eine Darstellung, die 87,5 % kleiner ist als das Original, was die Übertragung über ein Netzwerk viel kostengünstiger und schneller macht.

Die Forscher testeten diesen Ansatz an drei verschiedenen realen Datensätzen, die tausende von Innenräumen enthielten, die von einzelnen Zimmern bis hin zu ganzen Gebäuden reichten. Sie verglichen ihre Methode mit Standardtechniken, die einfach Rauschen hinzufügen oder eine zufällige Kompression nutzen. Die Ergebnisse zeigten, dass das neue System 98,7 % seiner Fähigkeit zur Identifizierung von Objekten beibehielt, was bedeutet, dass der Roboter seine Aufgaben fast so gut wie zuvor ausführen konnte. Gleichzeitig reduzierte das System die Fähigkeit, den Raumtyp zu erraten, um 39,3 %. In einem Test, bei dem ein Standard-Computerprogramm den Raumtyp aus den Originaldaten fast perfekt identifizieren konnte, war die Vorhersage mit den neuen, komprimierten Daten nicht besser als der Zufall.

Um sicherzustellen, dass diese Ergebnisse in einem realen Szenario Bestand haben, simulierten die Forscher auch einen Roboter, der in einer virtuellen Umgebung navigiert. Sie trainierten einen Roboter, eine Wand zu finden, eine Aufgabe, die ein Verständnis der Geometrie des Raumes erfordert. Der Roboter, der die neuen komprimierten Daten verwendete, performte fast so gut wie einer, der die vollständigen, unkomprimierten Daten verwendete. Als sie jedoch testeten, ob der Roboter lernen könnte, spezifisch basierend auf dem Raumtyp zu navigieren – etwa indem er in ein anderes Gebiet wechselt, wenn er sich in einem Schlafzimmer statt in einem Wohnzimmer befindet –, konnte der Roboter mit den neuen Daten dieses Muster nicht erlernen. Er konnte zwar seinen Weg um die Möbel herum finden, aber er hatte die Fähigkeit verloren, die Art des Raumtyps zu erkennen, in dem er sich befand.

Diese Arbeit zeigt, dass es möglich ist, Roboter-Wahrnehmungssysteme zu entwerfen, die sowohl kompakt als auch privatitätsbewusst sind. Durch die Nutzung der Informationstheorie zur Steuerung des Kompressionsprozesses haben die Forscher ein Werkzeug geschaffen, das es Robotern ermöglicht, das zu teilen, was sie sehen, ohne zu verraten, wo sie sind. Das System ist so konzipiert, dass es mit jeder bestehenden 3D-Mapping-Technologie funktioniert und bietet einen praktischen Weg, um Wahrnehmungs-Pipelines zu bauen, die bereit für den Einsatz in menschlichen Umgebungen sind. Die Forscher haben ihren Code und ihre Modelle der Öffentlichkeit zur Verfügung gestellt und bieten der Robotik-Gemeinschaft somit eine Methode, um Maschinen zu bauen, die den Privatsphäre-Aspekten der Räume, die sie betreten, Respekt zollen, während sie dennoch in der Lage bleiben, ihre Aufgaben zu erfüllen.