深度无人机竞速：从仿真到现实借助域随机化
机器人学
2019-11-27 v2
摘要
动态变化的环境、不可靠的状态估计以及在严苛资源约束下的运行，是限制小型自主无人机部署的基本挑战。我们在动态环境中自主、基于视觉的无人机竞速背景下应对这些挑战。竞速无人机必须以高速穿越可能移动的门组成的赛道。我们通过将最先进规划与控制系统的性能与卷积神经网络（CNN）的感知意识相结合来实现此功能。由此产生的模块化系统兼具平台独立性与域独立性：它在仿真中训练并部署于物理四旋翼上而无需任何微调。通过域随机化生成的丰富模拟数据，使我们的系统对光照与门外观的变化具有鲁棒性。据我们所知，我们的方法是首个在敏捷无人机飞行任务上展示零样本仿真到现实迁移的方法。我们在仿真与物理平台上广泛测试了系统的精度与鲁棒性，并展示了相较最先进方法的显著改进。
引用
@article{arxiv.1905.09727,
title = {Deep Drone Racing: From Simulation to Reality with Domain Randomization},
author = {Antonio Loquercio and Elia Kaufmann and René Ranftl and Alexey Dosovitskiy and Vladlen Koltun and Davide Scaramuzza},
journal= {arXiv preprint arXiv:1905.09727},
year = {2019}
}
备注
Accepted as a Regular Paper to the IEEE Transactions on Robotics Journal. arXiv admin note: substantial text overlap with arXiv:1806.08548