CoVIO：面向视觉-惯性里程计的在线持续学习
机器人学
2023-09-22 v1
摘要
视觉里程计是移动设备与机器人平台上诸多应用的一项基础任务。由于此类应用往往不限于预定义目标域，且基于学习的视觉系统已知对未见过环境泛化能力差，推理时持续适应的方法具有重大意义。在本工作中，我们引入 CoVIO 用于视觉-惯性里程计的在线持续学习。CoVIO 通过利用经验回放有效适应新域并缓解灾难性遗忘。特别地，我们提出了一种新颖的采样策略，以在针对嵌入式设备有限存储容量的固定大小回放缓冲区中最大化图像多样性。我们进一步提供了一种异步版本，将里程计估计与网络权重更新步骤解耦，从而实现实时连续推理。我们在多个真实世界数据集上对 CoVIO 进行了广泛评估，表明其成功适应新域且优于先前方法。我们的代码公开于 http://continual-slam.cs.uni-freiburg.de。
引用
@article{arxiv.2303.10149,
title = {CoVIO: Online Continual Learning for Visual-Inertial Odometry},
author = {Niclas Vödisch and Daniele Cattaneo and Wolfram Burgard and Abhinav Valada},
journal= {arXiv preprint arXiv:2303.10149},
year = {2023}
}