面向 IMU 去噪的少样本域自适应方法
机器人学
2022-11-04 v4
摘要
不同的应用场景会导致 IMU 表现出不同的误差特性，从而给机器人应用带来麻烦。然而，大多数数据处理方法都需要针对特定场景进行设计。为解决这一问题，我们提出了一种少样本域自适应方法。本工作中，我们考虑了一种用于 IMU 去噪的域自适应框架，并设计了一种重构损失以提升域自适应能力。此外，为了在数据有限的情况下进一步提高适应性，采用了一种少样本训练策略。在实验中，我们在两个数据集（EuRoC 和 TUM-VI）以及两台真实机器人（汽车与四足机器人）上使用三种不同精度的 IMU 对我们的方法进行了量化评估。根据实验结果，我们的框架的适应性通过 t-SNE 得到验证。在姿态结果中，我们所提出的方法展现出优异的去噪性能。
引用
@article{arxiv.2201.01537,
title = {Few-shot Domain Adaptation for IMU Denoising},
author = {Feiyu Yao and Zongkai Wu and Zhenyu Wei and Donglin Wang},
journal= {arXiv preprint arXiv:2201.01537},
year = {2022}
}