深度跟踪：利用递归神经网络超越视觉感知

据我们所知，本文提出了首个端到端目标跟踪方法，其直接将原始传感器输入映射到传感器空间中的目标轨迹，无需任何特征工程或以对象或传感器模型形式的系统辨识。具体而言，我们的系统在一端接受原始传感器数据流，并实时在输出端生成对整个环境状态（包括甚至被遮挡物体）的估计。我们将该问题构建为深度学习任务，并利用递归神经网络形式的序列模型来学习从传感器测量到目标轨迹的映射，从而实现上述目标。特别地，我们提出一种基于某种输入丢弃形式的学习方法，其允许以无监督方式进行学习，仅基于原始、被遮挡的传感器数据而无需访问真值标注。我们使用一个旨在模拟2D激光数据中目标跟踪任务（如机器人应用中常见）的合成数据集演示我们的方法，并展示其学会跟踪许多动态物体，尽管存在遮挡与传感器噪声。