用于主动位姿估计的域随机化

准确的状态估计是机器人控制的基本组成部分。在机器人操作任务中（正如本文工作的重点），状态估计对于识别场景中物体的位置至关重要，构成操作规划的基础。然而，位姿估计通常需要昂贵的3D相机或如基准标记等额外装置才能准确执行。最近，Tobin等人引入了一种基于域随机化的位姿估计方法，即训练神经网络直接从场景的2D图像预测位姿。该网络在计算机生成的图像上训练，这些图像具有纹理与光照的高度变化，从而泛化到真实世界图像。本工作中，我们研究如何提高基于域随机化的位姿估计精度。我们的主要思想是，主动感知——移动机器人以获得更好的位姿估计——可在仿真中训练并通过域随机化迁移到真实环境。在我们的方法中，机器人在域随机化仿真中学习如何从一\emph{序列}图像估计位姿。我们表明，我们的方法在若干场景下能显著提升标准位姿估计的精度：当机器人持物移动时、当参考物体在场景中移动时、或当相机绕物体移动时。