学习深度感知运动策略以实现基于视觉的自主无人机竞速
机器人学
2022-10-28 v1 人工智能
摘要
自主无人机可以在偏远和非结构化环境中运行，从而实现各种现实世界的应用。然而，缺乏有效的基于视觉的算法一直是实现这一目标的绊脚石。现有系统通常需要手工设计的组件来进行状态估计、规划和控制。这种顺序设计涉及繁琐的调参、人类启发式方法以及累积的延迟和误差。本文通过学习深度感知运动策略来解决基于视觉的自主无人机竞速问题。我们使用对比学习从输入图像中提取鲁棒的特征表示，并利用一个两阶段的“学习作弊”框架来训练神经网络策略。由此产生的策略直接利用从原始图像中学习的特征表示来推断控制指令，从而无需全局一致的状态估计、轨迹规划和手工设计的控制器。我们的实验结果表明，我们基于视觉的策略可以达到与基于状态的策略相同的竞速性能水平，同时对不同的视觉干扰和分心物具有鲁棒性。我们相信，这项工作可以作为开发智能的、基于视觉的自主系统的垫脚石，这些系统能像人类飞行员一样，纯粹根据图像输入来控制无人机。
引用
@article{arxiv.2210.14985,
title = {Learning Deep Sensorimotor Policies for Vision-based Autonomous Drone Racing},
author = {Jiawei Fu and Yunlong Song and Yan Wu and Fisher Yu and Davide Scaramuzza},
journal= {arXiv preprint arXiv:2210.14985},
year = {2022}
}