CNS：基于对应关系的编码神经图像伺服策略
机器人学
2023-09-19 v1
摘要
图像伺服是机器人应用中不可或缺的技术，有助于实现高精度定位。图像伺服策略的中间表示对于传感器输入抽象和策略输出引导十分重要。经典方法精度高但要求干净的关键点对应关系，且存在收敛域有限或特征误差鲁棒性弱的问题。近期基于学习的方法在特定场景上取得了中等精度与较大收敛域，但在泛化到新环境时面临问题。本文中，我们将关键点与对应关系编码为图，并使用图神经网络作为控制器的架构。该设计兼具两者优势：来自关键点对应关系的可泛化中间表示，以及来自神经网络的强建模能力。我们还提出了包括真实数据生成、特征聚类和距离解耦在内的其他技术，以进一步提升效率、精度与泛化能力。仿真与真实世界的实验验证了我们的方法在速度（配合观测器最高 40fps）、精度（<0.3° 与亚毫米级精度）和泛化（无需微调的 sim-to-real）上的有效性。项目主页（含补充文本、视频与代码的完整论文）：https://hhcaz.github.io/CNS-home
引用
@article{arxiv.2309.09047,
title = {CNS: Correspondence Encoded Neural Image Servo Policy},
author = {Anzhe Chen and Hongxiang Yu and Yue Wang and Rong Xiong},
journal= {arXiv preprint arXiv:2309.09047},
year = {2023}
}