基于潜空间表示的协调异构分布式感知
机器学习
2018-09-13 v1 人工智能
机器人学
摘要
我们研究了一种基于多模态深度生成模型导出的潜空间进行分布式感知的强化方法。我们的贡献对以下益处提供了见解：由于通过变分自编码器 (VAE) 训练得到的信息共享潜表示，配备单模态传感器的机器人之间可以有效交换检测结果。由于 VAE 的生成特性，传感器融合可异步进行。训练深度 Q 网络 (DQN) 以通过将机器人协调至兴趣点 (PoI) 来最小化潜空间中的不确定性，在其传感器模态可提供关于该 PoI 的有益信息处。此外，我们表明不确定性的降低可定义为训练 DQN 的直接奖励信号。
引用
@article{arxiv.1809.04558,
title = {Coordinated Heterogeneous Distributed Perception based on Latent Space Representation},
author = {Timo Korthals and Jürgen Leitner and Ulrich Rückert},
journal= {arXiv preprint arXiv:1809.04558},
year = {2018}
}
备注
IROS 2018 Second Workshop on Multi-robot Perception-Driven Control and Planning