利用事件相机进行快速变化轨迹的时空预测
计算机视觉与模式识别
2020-01-16 v2 机器学习
机器人学
摘要
本文研究机器人领域的轨迹预测问题，以改善机器人与运动目标的互动，例如接住弹跳的球。对于意外的、高度非线性的轨迹，基于回归的拟合方法难以轻易预测，因此我们应用最先进的机器学习，特别是基于长短期记忆（Long-Short Term Memory, LSTM）架构的方法。此外，快速运动的目标更适合使用事件相机来感知，事件相机产生由空间变化触发的异步输出，而非像传统相机那样以固定时间间隔输出。我们研究了如何使 LSTM 模型适应事件相机数据，并特别考察了使用异步采样数据的益处。
引用
@article{arxiv.2001.01248,
title = {Exploiting Event Cameras for Spatio-Temporal Prediction of Fast-Changing Trajectories},
author = {Marco Monforte and Ander Arriandiaga and Arren Glover and Chiara Bartolozzi},
journal= {arXiv preprint arXiv:2001.01248},
year = {2020}
}
备注
5 pages, 5 figures, 1 table, paper accepted for presentation at the 2nd IEEE International Conference on Artificial Intelligence Circuits and Systems (AICAS2020)