用于降低运动规划数据图像维度的 CNN 编码器
人工智能
2020-04-13 v1 计算机视觉与模式识别
图像与视频处理
摘要
许多现实应用需要路径规划算法来解决不同领域的任务，例如社交应用、自动驾驶汽车和追踪活动。而最重要的则是运动规划。尽管在大多数运动规划场景中使用路径规划已足够，但在具有动态变化的大环境中它们代表了潜在瓶颈。为应对该问题，可减少可能路径的数量，以使路径规划算法更轻松地以更少代价找到最短路径。A* 是一种传统路径规划算法，它使用启发式方法比其他方案更快。在本工作中，我们提出一种能够消除运动规划问题中无用路径的 CNN 编码器，随后将所提神经网络输出与 A* 结合。为衡量我们方案的效率，我们提出了一个包含不同运动规划问题场景的数据库。评估指标为找到最短路径的迭代次数。我们将 A* 与 CNN 编码器（提案）结合 A* 进行比较。在所有评估场景中，我们的方案将迭代次数减少了 60% 以上。
引用
@article{arxiv.2004.05077,
title = {CNN Encoder to Reduce the Dimensionality of Data Image for Motion Planning},
author = {Janderson Ferreira and Agostinho A. F. Júnior and Yves M. Galvão and Bruno J. T. Fernandes and Pablo Barros},
journal= {arXiv preprint arXiv:2004.05077},
year = {2020}
}