面向农田机器人导航中遮挡感知主动异常检测的注意力循环神经网络
机器人学
2023-10-02 v1
摘要
移动机器人在农业农田等非结构化环境中的使用正变得日益普遍。此类农田机器人主动识别并避免故障的能力，对于保障效率与防止损坏至关重要。然而，杂乱的农田环境引入了多种噪声源（如传感器遮挡），使得主动异常检测十分困难。现有方法在传感器遮挡场景下可能表现不佳，因为它们通常不明确建模遮挡，且仅利用当前感官输入。在本工作中，我们提出一种基于注意力的循环神经网络架构用于主动异常检测，该架构将当前感官输入与规划控制动作同机器人先前状态的潜表示相融合。我们通过显式学习的传感器遮挡模型来增强我们的模型，该模型用于调制我们对机器人先前状态潜表示的使用。我们的方法展示了改进的异常检测性能，并使移动农田机器人能够在传感器遮挡期间（尤其是所有传感器短暂遮挡的情况）对导航失败误报的预测表现出更强的韧性。我们的代码见：https://github.com/andreschreiber/roar
引用
@article{arxiv.2309.16826,
title = {An Attentional Recurrent Neural Network for Occlusion-Aware Proactive Anomaly Detection in Field Robot Navigation},
author = {Andre Schreiber and Tianchen Ji and D. Livingston McPherson and Katherine Driggs-Campbell},
journal= {arXiv preprint arXiv:2309.16826},
year = {2023}
}
备注
Accepted at IROS 2023. Code available at https://github.com/andreschreiber/ROAR