用于跟踪与预测的深层正逆向感知模型
机器人学
2018-05-22 v2 人工智能
机器学习
摘要
我们考虑机器人学中学习将状态映射至高维图像的正向模型，以及将高维图像映射至状态的逆向模型的问题。具体地，我们提出一种利用深度网络由状态生成视频帧的感知模型，并为其用于跟踪与预测任务提供框架。我们展示所提模型在图像生成上大幅优于标准反卷积方法与GAN，生成清晰、照片级真实的图像。我们还开发了用于状态估计的卷积神经网络模型，并将结果与扩展卡尔曼滤波器进行比较以估计机器人轨迹。我们在真实机器人系统上对所有模型进行了验证。
引用
@article{arxiv.1710.11311,
title = {Deep Forward and Inverse Perceptual Models for Tracking and Prediction},
author = {Alexander Lambert and Amirreza Shaban and Amit Raj and Zhen Liu and Byron Boots},
journal= {arXiv preprint arXiv:1710.11311},
year = {2018}
}
备注
8 pages, International Conference on Robotics and Automation (ICRA) 2018