学得快，分得好：iCub 机器人上的快速物体分割学习
计算机视觉与模式识别
2025-09-16 v1 机器人学
摘要
机器人的视觉系统依应用不同而有不同需求：可能需要高精度或高可靠性，受限于有限资源，或需要快速适应动态变化的环境。本工作中我们聚焦于实例分割任务，并针对在出现新物体或不同域时调整物体分割模型的多种技术提供综合研究。我们提出一种为机器人应用设计的快速实例分割学习流水线，其中数据以流形式到来。它基于一种混合方法，利用预训练 CNN 进行特征提取与快速训练的基于核的分类器。我们还提出一种训练协议，通过在数据采集期间执行特征提取来缩短训练时间。我们在两个机器人数据集上对所提流水线进行基准测试，并将其部署于真实机器人即 iCub 人形机器人上。为此，我们将方法调整为增量设定，机器人由此在线学习新物体。复现实验的代码已在 GitHub 公开。
引用
@article{arxiv.2206.13462,
title = {Learn Fast, Segment Well: Fast Object Segmentation Learning on the iCub Robot},
author = {Federico Ceola and Elisa Maiettini and Giulia Pasquale and Giacomo Meanti and Lorenzo Rosasco and Lorenzo Natale},
journal= {arXiv preprint arXiv:2206.13462},
year = {2025}
}
备注
\copyright 2022 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works