基于对抗学习的域适应用于自主导航
计算机视觉与模式识别
2018-05-23 v6 机器人学
摘要
自主导航已成为日益流行的机器学习应用。深度学习的近期进展也极大改善了自主导航。然而，先前的室外自主导航依赖于各种昂贵传感器或大量难以获取且有时有误的真实标注数据。本研究的目的是训练一个使用模拟器（而非真实标注数据）和廉价单目相机的自主导航模型。为充分利用模拟器，我们提出的方法基于带对抗学习的域适应。具体而言，我们提出具有 1) 生成器中空洞残差块、2) 循环损失、3) 风格损失的模型，以提升对抗学习性能从而实现满意的域适应。此外，我们进行了支持所提方法合理性的理论分析。我们利用商用无线电遥控车展示了在含多种路口的室外赛道上的导航经验结果。我们观察到，所提方法通过生成具真实纹理的图像，使我们能够学习到良好的导航模型。据我们所知，这是首项将带对抗学习的域适应应用于真实室外环境自主导航的工作。我们的方法也可应用于精细图像生成或其他机器人任务。
引用
@article{arxiv.1712.03742,
title = {Domain Adaptation Using Adversarial Learning for Autonomous Navigation},
author = {Jaeyoon Yoo and Yongjun Hong and YungKyun Noh and Sungroh Yoon},
journal= {arXiv preprint arXiv:1712.03742},
year = {2018}
}