可微分 SLAM-net：面向视觉导航的粒子 SLAM 学习

Peter Karkus; Shaojun Cai; David Hsu

可微分 SLAM-net：面向视觉导航的粒子 SLAM 学习

计算机视觉与模式识别 2021-05-20 v2 人工智能机器学习机器人学机器学习

作者: Peter Karkus , Shaojun Cai , David Hsu

摘要

同步定位与地图构建（SLAM）对于许多下游应用（如视觉机器人导航）仍然具有挑战性，原因在于快速转弯、无特征墙面和较差的相机质量。我们引入了可微分 SLAM 网络（SLAM-net）以及一种导航架构，以实现平面机器人在先前未见的室内环境中的导航。SLAM-net 将基于粒子滤波的 SLAM 算法编码到可微分计算图中，并通过 SLAM 算法反向传播来学习任务导向的神经网络组件。由于它可以针对最终目标联合优化所有模型组件，SLAM-net 学会在挑战性条件下保持鲁棒。我们在 Habitat 平台上使用不同的真实世界 RGB 和 RGB-D 数据集运行实验。SLAM-net 在噪声条件下显著优于广泛采用的 ORB-SLAM。我们带有 SLAM-net 的导航架构将 Habitat Challenge 2020 PointNav 任务的最先进水平大幅提升（成功率从 37% 提高到 64%）。项目网站：http://sites.google.com/view/slamnet

关键词

同步定位与地图构建粒子滤波可微分学习视觉导航机器人导航 Habitat 平台 ORB-SLAM

引用

@article{arxiv.2105.07593,
  title  = {Differentiable SLAM-net: Learning Particle SLAM for Visual Navigation},
  author = {Peter Karkus and Shaojun Cai and David Hsu},
  journal= {arXiv preprint arXiv:2105.07593},
  year   = {2021}
}

备注

CVPR 2021, extended results

可微分 SLAM-net：面向视觉导航的粒子 SLAM 学习

摘要

关键词

引用

备注

相关论文