用于墙壁跟随机器人控制的机器学习算法比较研究

本文比较了多种机器学习模型在预测墙壁跟随机器人行进方向方面的性能。这些模型使用一个开源数据集进行训练，该数据集包含 24 个超声波传感器读数以及每个样本对应的方向。该数据集是使用 SCITOS G5 移动机器人将传感器置于机器人腰部采集得到的。除每条记录含 24 个传感器的完整格式外，该数据集还有每条记录含 4 个和 2 个输入传感器读数的两种简化格式。此前已针对该数据集使用全部三种格式提出了若干控制模型。本文给出了两项主要研究贡献。第一，使用全部三种格式提出了准确率高于该数据集此前所有已提出模型的机器学习模型。使用决策树分类器以 100% 的平均准确率给出了 4 输入和 2 输入传感器格式的完美解。另一方面，使用梯度提升分类器在 24 个传感器输入上取得了 99.82% 的平均准确率。第二，给出了不同机器学习和深度学习算法在该数据集上性能的比较研究，从而对这些算法在类似传感器融合问题上的表现提供整体见解。本文所有模型均使用蒙特卡洛交叉验证进行评估。