基于深度强化学习的机器人自动对焦系统
计算机视觉与模式识别
2018-09-11 v1 系统与控制
摘要
鉴于 Deep Q Network（DQN）在处理高维视觉输入与学习离散域控制策略方面的优势，其未来可成为传统自动对焦手段的替代方法。本文中，我们基于深度强化学习提出一种端到端方法，可从视觉输入学习自动对焦策略并自动停在清晰位置。我们证明：以由粗到精步长离散化动作空间并应用 DQN 的方法不仅是对自动对焦的一种解决方案，也是面向基于视觉的控制问题的一般性途径。我们采用虚拟与现实环境中分离的训练阶段以获得有效模型。虚拟训练阶段后进行的虚拟实验表明，我们的方法在特定视角、不同对焦范围下可达到 100% 准确率。在真实机器人上的进一步训练可消除模拟器与真实场景间的偏差，从而在真实应用中取得可靠表现。
引用
@article{arxiv.1809.03314,
title = {A Robotic Auto-Focus System based on Deep Reinforcement Learning},
author = {Xiaofan Yu and Runze Yu and Jingsong Yang and Xiaohui Duan},
journal= {arXiv preprint arXiv:1809.03314},
year = {2018}
}
备注
To Appear at ICARCV 2018