面向自感知具身智能体的多视角异常检测方法
计算机视觉与模式识别
2018-03-20 v1
摘要
本文关注移动认知智能体的多传感器异常检测，使用外部和私有第一人称视觉观测。两类观测均用于刻画智能体在给定环境中的运动。所提方法通过对逼近智能体在场景中位移的高斯过程进行划分，生成局部均匀运动模型，并基于环境中心（EC）模型提供共享层级（SL）自感知。随后利用这些模型以半无监督方式训练一组生成对抗网络（GAN），以估计移动智能体的外部和内部参数。所得结果证明了使用多视角数据预测和分析轨迹信息的可行性。
引用
@article{arxiv.1803.06579,
title = {A Multi-perspective Approach To Anomaly Detection For Self-aware Embodied Agents},
author = {Mohamad Baydoun and Mahdyar Ravanbakhsh and Damian Campo and Pablo Marin and David Martin and Lucio Marcenaro and Andrea Cavallaro and Carlo S. Regazzoni},
journal= {arXiv preprint arXiv:1803.06579},
year = {2018}
}
备注
IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP) 2018