利用贝叶斯神经网络平滑预测的内省式机器人感知
机器人学
2021-09-28 v1 人工智能
摘要
本文聚焦于改进基于RGB图像的目标分类任务中的不确定性估计，并展示了其在两个机器人应用中的优势。我们采用贝叶斯神经网络（BNN），并评估了两种实用的推理技术以获得更好的不确定性估计，即具体丢弃（CDP）和克罗内克分解拉普拉斯近似（LAP）。我们展示了将更可靠的不确定性估计作为条件随机场（CRF）中的一元势能，能够融入上下文信息，从而提升性能。此外，所获得的不确定性被用于以半监督方式实现领域自适应，这减少了数据标注所需的人工工作。我们在两个与机器人感知任务相关的公开基准数据集上评估了我们的方法。
引用
@article{arxiv.2109.12869,
title = {Introspective Robot Perception using Smoothed Predictions from Bayesian Neural Networks},
author = {Jianxiang Feng and Maximilian Durner and Zoltan-Csaba Marton and Ferenc Balint-Benczedi and Rudolph Triebel},
journal= {arXiv preprint arXiv:2109.12869},
year = {2021}
}
备注
International Symposium on Robotics Research (ISRR), Hanoi, Vietnam, 2019