EchoPT：一种预测移动机器人二维空中声纳图像的预训练Transformer架构
机器人学
2024-12-23 v1 机器学习
系统与控制
信号处理
系统与控制
摘要
预测大脑假说认为，感知可以解释为最小化内部世界模型生成的预测感知令牌与实际感觉输入令牌之间误差的过程。在空中声纳背景下实现该假说的工作实例时，由于控制超声波传感的反射模型的稀疏性，出现了显著的困难。尽管存在这些挑战，使用声纳数据创建一致的世界模型对于在机器人中实现超声波数据的预测处理至关重要。为了利用超声波作为唯一的外感受传感模态来实现鲁棒的机器人行为，本文介绍了EchoPT，这是一种预训练transformer架构，旨在根据先前的传感数据和机器人本征运动信息预测二维声纳图像。我们详细介绍了驱动EchoPT的transformer架构，并将我们模型的性能与几种最先进的技术进行了比较。除了展示和评估我们的EchoPT模型外，我们还在两项机器人任务中演示了这种预测感知方法的有效性。
关键词
引用
@article{arxiv.2405.12573,
title = {EchoPT: A Pretrained Transformer Architecture that Predicts 2D In-Air Sonar Images for Mobile Robotics},
author = {Jan Steckel and Wouter Jansen and Nico Huebel},
journal= {arXiv preprint arXiv:2405.12573},
year = {2024}
}