基于强化学习的航拍视角定位：面向模拟搜索与救援
计算机视觉与模式识别
2023-03-10 v3 机器学习
摘要
气候引发的灾害正在并将持续增加，因此搜索与救援（SAR）行动——其任务是定位并援助一名或多名失踪人员——变得愈发重要。在许多情况下，粗略位置可能已知，可部署无人机（UAV）探索给定受限区域以精确锁定失踪人员。由于时间和电池限制，定位往往尽可能高效至关重要。本工作中，我们将此类问题抽象为航拍视角目标定位任务，构建了一个模拟类SAR设置且无需实际无人机的框架。在该框架中，智能体在航拍图像（搜索区域的代理）上运作，任务是根据视觉线索描述定位目标。为进一步模拟实际无人机上的情形，智能体无法整体观察搜索区域，即便低分辨率也不行，因此在朝目标导航时只能基于局部 glimpses 运作。为应对该任务，我们提出 AiRLoc，一种基于强化学习（RL）的模型，将探索（搜索远处目标）与利用（定位近处目标）解耦。大量评估表明，AiRLoc 优于启发式搜索方法及其他可学习方案，且能跨数据集泛化，例如可泛化至受灾区域而在训练时未见过任何灾害场景。我们还进行了概念验证研究，表明可学习方法平均优于人类。代码与模型已公开于 https://github.com/aleksispi/airloc。
引用
@article{arxiv.2209.03694,
title = {Aerial View Localization with Reinforcement Learning: Towards Emulating Search-and-Rescue},
author = {Aleksis Pirinen and Anton Samuelsson and John Backsund and Kalle Åström},
journal= {arXiv preprint arXiv:2209.03694},
year = {2023}
}
备注
Accepted to ICLR 2023 Workshop on Machine Learning for Remote Sensing