利用对抗域适应应对户外机器人中的外观变化
机器人学
2017-09-19 v2 机器学习
摘要
由天气和季节条件引起的外观变化对户外机器人中机器学习系统的鲁棒实现构成了严重障碍。虽然监督学习针对训练域优化模型，但在因这些变化导致分布偏移的应用域中，其性能会下降。传统上，该问题通过在多个域中收集标注数据或对两个域之间的偏移类型施加先验来解决。我们将此问题置于无监督域适应的背景下，并开发了一个框架，应用对抗技术来适应流行的、最先进的网络架构，其额外目标是跨域对齐特征。此外，由于对抗训练 notoriously 不稳定，我们首先进行了广泛的消融研究，采用了许多已知能稳定生成对抗网络的技术，并在具有相同外观变化的替代分类任务上进行评估。将提炼出的见解应用于自动驾驶运动规划中的自由空间分割问题。
引用
@article{arxiv.1703.01461,
title = {Addressing Appearance Change in Outdoor Robotics with Adversarial Domain Adaptation},
author = {Markus Wulfmeier and Alex Bewley and Ingmar Posner},
journal= {arXiv preprint arXiv:1703.01461},
year = {2017}
}
备注
In Proceedings of the 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2017)