HouseExpo：面向移动机器人基于学习算法的大规模2D室内布局数据集
机器人学
2020-07-31 v4
摘要
作为最具前景的领域之一，移动机器人在近年来引起了广泛关注。由于缺乏通用的实验平台，该领域当前的工作往往在少数手动设计的场景中进行评估。同时，随着深度学习技术的最新发展，一些研究者尝试将基于学习的方法应用于移动机器人任务，这需要大量的数据。为了满足这一潜在需求，本文构建了 HouseExpo，一个大规模室内布局数据集，包含 35,126 个 2D 平面图，共计 252,550 个房间。同时，我们开发了 Pseudo-SLAM，一个轻量且高效的仿真平台，以加速数据生成过程，从而加快训练速度。在我们的实验中，我们在仿真和真实世界实验中，从学习的角度构建了用于解决避障和自主探索的模型，以验证我们的仿真器和数据集的有效性。所有数据和代码均在线提供，我们希望 HouseExpo 和 Pseudo-SLAM 能满足对数据的需求并使整个社区受益。
引用
@article{arxiv.1903.09845,
title = {HouseExpo: A Large-scale 2D Indoor Layout Dataset for Learning-based Algorithms on Mobile Robots},
author = {Tingguang Li and Danny Ho and Chenming Li and Delong Zhu and Chaoqun Wang and Max Q. -H. Meng},
journal= {arXiv preprint arXiv:1903.09845},
year = {2020}
}
备注
Accepted by IROS2020. Project code are available at https://github.com/TeaganLi/HouseExpo