DeepMPCVS：用于视觉伺服的深度模型预测控制
机器人学
2021-05-04 v1
摘要
视觉伺服方法的简洁性使其成为许多实际应用中基于视觉的机器人控制任务的一个有吸引力的选择。然而，对未知环境实现精确对齐对现有视觉伺服方法提出了挑战。经典方法假设一个完美的世界，而近期的数据驱动方法在泛化到新环境时面临问题。在本文中，我们旨在结合两者的优点。我们提出了一个深度模型预测视觉伺服框架，该框架能够以最优轨迹实现精确对齐，并能泛化到新环境。我们的框架由一个用于光流预测的深度网络组成，该网络与预测模型一起用于预测未来的光流。为了生成一组最优速度，我们提出了一个可以在线无监督训练的控制网络。通过在流行的 Habitat 框架的照片级真实室内设置上进行大量仿真，我们展示了由于所提出的公式相对于近期最先进方法的显著性能提升。具体而言，我们展示了比近期方法更快的收敛速度和在轨迹长度上改进的性能。
引用
@article{arxiv.2105.00788,
title = {DeepMPCVS: Deep Model Predictive Control for Visual Servoing},
author = {Pushkal Katara and Y V S Harish and Harit Pandya and Abhinav Gupta and Aadil Mehdi Sanchawala and Gourav Kumar and Brojeshwar Bhowmick and Madhava Krishna K},
journal= {arXiv preprint arXiv:2105.00788},
year = {2021}
}
备注
Accepted at 4th Annual Conference on Robot Learning, CoRL 2020, Cambridge, MA, USA, November 16 - November 18, 2020