基于深度光流动力学与 PixelMPC 的感知感知激进导航
机器人学
2020-01-09 v1 计算机视觉与模式识别
机器学习
系统与控制
系统与控制
摘要
近来，基于视觉的控制借助机器学习的力量获得了关注。在这项工作中，我们将模型预测控制（MPC）框架与视觉流水线相耦合。我们引入了深度光流（DOF）动力学，它是光流与机器人动力学的结合。利用 DOF 动力学，MPC 将相关像素的预测运动显式地纳入机器人的规划轨迹中。我们所实现的 DOF 内存高效、数据高效且计算廉价，从而可在 MPC 框架中实时计算。所提出的像素模型预测控制（PixelMPC）算法控制机器人完成高速竞速任务，同时保持对重要特征（门）的可见性。这提升了基于视觉的 localization 估计器的可靠性，并最终可实现安全的自主飞行。所提算法在具有高速无人机竞速任务的照片级真实感仿真中进行了测试。
引用
@article{arxiv.2001.02307,
title = {Aggressive Perception-Aware Navigation using Deep Optical Flow Dynamics and PixelMPC},
author = {Keuntaek Lee and Jason Gibson and Evangelos A. Theodorou},
journal= {arXiv preprint arXiv:2001.02307},
year = {2020}
}