通过在线轨迹滤波学习控制器融合网络用于基于视觉的无人机竞速
机器人学
2019-04-19 v1 计算机视觉与模式识别
机器学习
摘要
自主无人机竞速近来已成为一个有趣的研究问题。其愿景是在这项新兴快节奏运动中击败人类。一种常见方法是通过模仿专家，学习一个直接从原始图像预测控制量的端到端策略。然而，此类策略受限于其所模仿的专家，且难以扩展到其他环境与载具动力学。克服端到端策略缺陷的一种方法是仅在感知任务上训练网络，并使用PID或MPC控制器处理控制。但单一控制器须经过大量调参，且通常无法覆盖整个状态空间。本文中，我们提出使用融合多个控制器的DNN学习一个优化控制器。该网络通过在线轨迹滤波学习鲁棒控制器，从而抑制噪声轨迹及各控制器的缺陷。其结果是一个能够学习来自不同控制器的滤波轨迹的良好融合、显著提升整体性能的网络。我们在逼真仿真中将训练网络与它所学习的控制器、端到端基线及人类飞行员比较；我们的网络在大量实验中击败所有基线，并接近专业人类飞行员的水平。总结本工作的视频见 https://youtu.be/hGKlE5X9Z5U
引用
@article{arxiv.1904.08801,
title = {Learning a Controller Fusion Network by Online Trajectory Filtering for Vision-based UAV Racing},
author = {Matthias Müller and Guohao Li and Vincent Casser and Neil Smith and Dominik L. Michels and Bernard Ghanem},
journal= {arXiv preprint arXiv:1904.08801},
year = {2019}
}
备注
Accepted at CVPRW'19: UAVision 2019. First two authors contributed equally. Based on the initial work of arXiv:1803.01129 which was eventually split into two separate projects