基于超网络的可任意期望位姿端到端视觉伺服
机器人学
2023-04-19 v1
摘要
近来，若干工作通过以可微神经网络替代传统控制器，实现了用于机器人操作的端到端视觉伺服（VS），但丧失了伺服任意期望位姿的能力。本快报提出一种用于任意位姿伺服的可微架构：基于超网络的神经控制器（HPN-NC）。为此，HPN-NC 由超网络和低层控制器组成，其中超网络学习生成低层控制器的参数，而控制器像传统基于图像的视觉伺服（IBVS）一样利用 2D 关键点误差进行控制。HPN-NC 可完成具有大初始偏移的 6 自由度视觉伺服。利用 HPN-NC 的全可微特性，我们提供了一种三阶段训练流程以伺服真实世界物体。通过自监督端到端训练，集成模型的性能可在未见过场景中进一步提升，且人工标注量可显著减少。
引用
@article{arxiv.2304.08952,
title = {A Hyper-network Based End-to-end Visual Servoing with Arbitrary Desired Poses},
author = {Hongxiang Yu and Anzhe Chen and Kechun Xu and Zhongxiang Zhou and Wei Jing and Yue Wang and Rong Xiong},
journal= {arXiv preprint arXiv:2304.08952},
year = {2023}
}