面向腿式机器人触觉定位的高效地形表征学习
机器人学
2023-05-30 v2
摘要
尽管触觉感知近来已被用于相机或 LiDAR 可能失效的极端环境中腿式机器人的定位，但如何在学习得到的先验地图中高效表示触觉特征仍是一个开放问题。本文受机器学习近期趋势启发，提出一种用于触觉定位的地形表征方法。该方法与成熟的蒙特卡洛算法相结合，获得了一种在对抗性环境条件下对腿式机器人进行定位的准确、计算高效且实用的方法。我们应用三元组损失概念，在基于 transformer 的神经网络中学习高度描述性的嵌入。由于训练触觉数据无标签，正例与负例通过其训练时发现的几何位置进行区分。我们通过实验证明，所提方法在精度、推理时间以及地图存储数据量方面大幅优于以往的腿式机器人触觉定位方案。据我们所知，这是首个完全消除使用稠密地形图以实现准确触觉定位需求的方法，从而为实际应用铺平了道路。
引用
@article{arxiv.2209.15135,
title = {Learning an Efficient Terrain Representation for Haptic Localization of a Legged Robot},
author = {Damian Sójka and Michał R. Nowicki and Piotr Skrzypczyński},
journal= {arXiv preprint arXiv:2209.15135},
year = {2023}
}
备注
Accepted for IEEE International Conference on Robotics and Automation (ICRA) 2023