面向航空语义映射主动学习的信息化路径规划
机器人学
2022-09-05 v2
摘要
航空影像的语义分割是制图与对地观测的重要工具。然而，用于分割的监督式深度学习模型依赖大量高质量标注数据，其生成费力且耗时。为此，我们提出一种利用无人机 (UAV) 自主收集有用数据用于模型训练的新方法。我们采用贝叶斯方法估计语义分割中的模型不确定性。在任务期间，语义预测与模型不确定性被用作地形映射的输入。我们流程的一个关键方面是将映射得到的模型不确定性与基于主动学习的机器人规划目标相联结。这使我们能够自适应地引导无人机采集最具信息量的地形图像，交由人工标注以用于模型训练。我们在真实数据上的实验评估表明，相较于静态覆盖路径，使用我们的信息化规划方法在最大化模型性能与减少标注工作量方面具有优势。
引用
@article{arxiv.2203.01652,
title = {Informative Path Planning for Active Learning in Aerial Semantic Mapping},
author = {Julius Rückin and Liren Jin and Federico Magistri and Cyrill Stachniss and Marija Popović},
journal= {arXiv preprint arXiv:2203.01652},
year = {2022}
}
备注
8 pages, 9 figures, Submission to IEEE/RSJ International Conference on Robotics and Intelligent Systems