基于学习控制策略的运动目标主动分类
机器人学
2023-09-28 v3 人工智能
摘要
在本文中，我们考虑无人机须收集语义信息以对多个运动目标进行分类的问题。特别地，当信息使用“黑盒”分类器（例如深度学习神经网络）提取时，我们计算将无人机移动到信息丰富视点（位置与朝向）的控制输入这一挑战。这些算法通常缺乏视点与其相关输出之间的解析关系，阻碍其在信息收集方案中的使用。为弥补此差距，我们提出一种基于注意力的新架构，通过强化学习（RL）训练，输出无人机下一视点，偏好从尽可能多未分类目标获取证据，同时推理其运动、朝向与遮挡。随后，我们使用底层 MPC 控制器将无人机移至期望视点，并考虑其实际动力学。我们表明，我们的方法不仅优于多种基线，还泛化至训练期间未见的场景。此外，我们展示该网络可扩展至大量目标，并良好泛化至目标的不同运动动力学。
引用
@article{arxiv.2212.03068,
title = {Active Classification of Moving Targets with Learned Control Policies},
author = {Álvaro Serra-Gómez and Eduardo Montijano and Wendelin Böhmer and Javier Alonso-Mora},
journal= {arXiv preprint arXiv:2212.03068},
year = {2023}
}
备注
8 pages, 6 figures, Accepted in IEEE RA-L