基于深度学习辅助的路径规划与地图构建以加速室内建图
机器学习
2022-08-16 v2 机器人学
摘要
本文研究自主室内建图问题。目标是以某种期望的确定度最小化达到预定暴露百分比所需的时间。为加速建图过程，提出在路径规划与地图构建中均使用一个预训练的生成式深度神经网络作为地图预测器。该方法结合多种基于边界的路径规划器，在两个不同的平面图数据集上进行了检验。针对集成地图预测器的若干配置进行了仿真，结果表明利用预测可显著减少建图时间。当预测同时集成于路径规划与地图构建过程时，在某些情形下建图时间可减少逾50%。
引用
@article{arxiv.2011.02043,
title = {Deep-Learning-Aided Path Planning and Map Construction for Expediting Indoor Mapping},
author = {Elchanan Zwecher and Eran Iceland and Shmuel Y. Hayoun and Ahavatya Revivo and Sean R. Levy and Ariel Barel},
journal= {arXiv preprint arXiv:2011.02043},
year = {2022}
}
备注
Submitted to Robotics and Autonomous Systems journal