用于增强基于视觉的敏捷飞行中鲁棒场景迁移的对比学习
机器人学
2024-03-01 v3 计算机视觉与模式识别
摘要
基于视觉的移动机器人应用的场景迁移是一个高度相关且具挑战性的问题。机器人的效用很大程度上取决于其在受控良好的实验室环境之外的真实世界中执行任务的能力。现有的端到端策略学习场景迁移方法常受样本效率低或泛化能力有限之苦，使其不适用于移动机器人应用。本工作提出一种自适应多对对比学习策略用于视觉表征学习，可实现零样本场景迁移与真实世界部署。依赖该嵌入的控制策略能够在未见环境中运行，无需在部署环境中微调。我们在基于视觉的敏捷四旋翼飞行任务上展示了我们方法的性能。大量仿真与真实世界实验表明，我们的方法成功泛化至训练域之外，并优于所有基线。
引用
@article{arxiv.2309.09865,
title = {Contrastive Learning for Enhancing Robust Scene Transfer in Vision-based Agile Flight},
author = {Jiaxu Xing and Leonard Bauersfeld and Yunlong Song and Chunwei Xing and Davide Scaramuzza},
journal= {arXiv preprint arXiv:2309.09865},
year = {2024}
}