评估用于增强机器人相机仿真的 GAN
机器人学
2022-09-15 v1
摘要
鉴于生成对抗网络（GAN）的通用性，我们旨在理解使用现有 GAN 来增强仿真图像并缩小仿真到真实差距（sim-to-real gap）所带来的益处。我们在模拟机器人性能与基于图像的感知背景下进行分析。具体而言，我们量化 GAN 在缩小机器人图像感知中仿真到真实差异的能力。利用语义分割，我们分析在城市环境标称仿真与增强仿真下训练与测试中的仿真到真实差异。作为次要应用，我们考虑将该 GAN 用于增强室内环境。对此应用，使用目标检测来分析训练与测试中的增强效果。所呈现的结果量化了使用 GAN 时仿真到真实差距的缩小，并说明了其使用的益处。
引用
@article{arxiv.2209.06710,
title = {Evaluating a GAN for enhancing camera simulation for robotics},
author = {Asher Elmquist and Radu Serban and Dan Negrut},
journal= {arXiv preprint arXiv:2209.06710},
year = {2022}
}
备注
7 pages, 6 figures