Resumo Técnico: SCREP – Geração de Trajetória com Percepção Baseada em Regressão de Coordenadas de Cena e Aprendizado Evidencial

Declaração do Problema

O voo autônomo em ambientes internos sem GPS exige trajetórias que mantenham erros de localização visual estritamente limitados. Os métodos tradicionais de localização visual baseados em mapas, como o casamento de características (Feature Matching - FM) ou a Estrutura a partir do Movimento (Structure from Motion - SfM), sofrem com altos custos computacionais para reconstrução de mapas e baixa escalabilidade em ambientes amplos. Embora a Odometria Visual-Inercial (VIO) ofereça uma alternativa, ela é limitada pelo erro cumulativo (drift), mesmo com orientação consciente da percepção.

A Regressão de Coordenadas de Cena (Scene Coordinate Regression - SCR) apresenta uma alternativa baseada em aprendizado que prevê diretamente as coordenadas 3D da cena para cada pixel a partir de uma única imagem, permitindo a estimativa de pose absoluta livre de drift via um resolvedor Perspective-n-Point (PnP). No entanto, os outputs da SCR frequentemente contêm outliers, operam em baixas frequências com alta latência, e nem todos os pixels previstos são confiáveis. Essas características complicam o uso da SCR em planejamento e controle em tempo real, particularmente quando o planejador deve guiar ativamente a câmera para maximizar a precisão da localização.

Metodologia

Os autores propõem o SCREP, um planejador de trajetória consciente da percepção que acopla um estimador de pose SCR baseado em aprendizado evidencial a um otimizador de trajetória de horizonte recuante. A arquitetura do sistema consiste em dois componentes principais:

1. Estimativa de Pose por SCR Evidencial (E-SCRNet)

O sistema utiliza uma rede neural treinada via regressão evidencial profunda para prever as coordenadas da cena e suas incertezas associadas.

• Quantificação de Incerteza: Diferente das Redes Neurais Bayesianas (BNNs) padrão que exigem múltiplas passagens para frente (ex: Monte-Carlo dropout), o aprendizado evidencial fornece estimativas de forma fechada tanto para a incerteza aleatória (ruído dos dados) quanto para a epistêmica (incerteza do modelo) em uma única passagem para frente.
• Métrica de Entropia: A rede produz uma distribuição Normal Inverse-Gamma (NIG) para cada pixel. Os autores definem a incerteza total como a entropia preditiva desta distribuição. Este mapa de entropia serve como uma métrica unificada para identificar coordenadas de cena confiáveis.
• Estimativa de Estado: Um módulo PnP-RANSAC converte as coordenadas da cena em poses da câmera. Para lidar com os problemas de latência e outliers da SCR, um suavizador de lag fixo (fixed-lag smoother) funde essas estimativas de SCR de baixa taxa com dados de IMU de alta taxa, produzindo uma estimativa de pose de alta qualidade e alta frequência.

2. Otimização de Trajetória Consciente da Percepção

O planejador opera em um regime de horizonte recuante, otimizando trajetórias de posição e yaw sequencialmente para seguir um caminho de referência enquanto maximiza a precisão da localização.

• Representação: As trajetórias são parametrizadas como B-splines de grau 3, uniformes e com restrição (clamped).
• Objetivo de Otimização: A função de custo é uma soma ponderada de termos que incluem rastreamento de waypoints, suavidade e restrições dinâmicas. Crucialmente, o custo do Campo de Visão (Field-of-View - FOV) é consciente da percepção:
  • Ele recompensa manter coordenadas de cena com baixa entropia (alta certeza) dentro do frustum da câmera.
  • Ele penaliza pixels de alta entropia ao reduzir seu peso ou removê-los do cálculo de custo.
  • O grau de liberdade de yaw é desacoplado da tangente da trajetória, permitindo que a câmera se oriente especificamente para pontos de vista informativos sem comprometer o caminho do veículo.

Principais Contribuições

1. Planejador de Percepção Ativa em Tempo Real: Os autores apresentam um planejador de trajetória de horizonte recuante que injeta explicitamente a incerteza da E-SCRNet no processo de otimização, facilitando a localização de alta precisão em ambientes sem GPS.
2. Entropia como Métrica de Incerteza: O trabalho demonstra empiricamente que a entropia preditiva é uma métrica de incerteza mais informativa e bem distribuída em comparação com medidas separadas de incerteza aleatória e epistêmica, correlacionando-se efetivamente com o erro de predição.
3. Validação: A abordagem é validada através de experimentos de simulação e de Hardware-in-the-loop (HIL), mostrando um desempenho de localização superior em relação aos baselines.

Resultados Experimentais

O sistema foi avaliado no simulador FlightGoggles e via experimentos HIL utilizando um quadrotor.

• Desempenho em Simulação:
  • Comparado aos baselines (Forward, Vanilla perception-aware e baseados em Matriz de Informação de Fisher), o método proposto reduziu o RMSE de translação em pelo menos 4,9% e o RMSE de rotação em pelo menos 30,8% em média.
  • Especificamente, contra o baseline mais forte (Vanilla), o método alcançou uma melhoria estatisticamente significativa no erro médio de translação (intervalo de confiança de 95% [0,27, 1,84] cm).
  • O sistema demonstrou robustez através de oito trajetórias diferentes em dois ambientes distintos (stata1 e stata2).
• Hardware-in-the-Loop (HIL):
  • Nos experimentos HIL, a estimativa de pose fundida usando o planejador proposto reduziu o RMSE de translação de 29,7 cm para 22,7 cm e o RMSE de rotação de 6,0° para 2,3° em comparação com um baseline de visão frontal (Forward-facing).
• Eficiência Computacional:
  • O tempo de execução médio para todo o pipeline (inferência SCR, suavização e otimização) foi de aproximadamente 91,3 ms (62,2 ms para SCR, 0,8 ms para suavização, 28,3 ms para otimização), o que é suficiente para operação em tempo real dado os períodos de execução dos módulos.

Significância e Alegações

O artigo afirma ser o primeiro trabalho de percepção ativa utilizando Regressão de Coordenadas de Cena (SCR). Ao aproveitar o aprendizado evidencial, o sistema supera os desafios de latência e outliers tipicamente associados à SCR, tornando-a viável para robótica embarcada em tempo real.

Os autores enfatem que sua abordagem permite a estimativa de pose absoluta livre de drift ao longo de trajetórias longas usando apenas uma rede neural compacta, evitando os problemas de memória e escalabilidade do casamento de características. Embora o trabalho atual foque em SCR, os autores observam que o benchmarking contra planejadores baseados em VIO e SfM é deixado para trabalhos futuros, assim como extensões para desvio de obstáculos e robustez a mudanças de aparência. A principal contribuição é a demonstração de que a geração de trajetória consciente da incerteza aumenta significativamente a precisão da localização quando se utiliza regressão de coordenadas de cena baseada em aprendizado.