学习用于自主导航的端到端多模态传感器策略
机器人学
2017-11-02 v2 人工智能
机器学习
摘要
众所周知，多传感器策略可以增强状态估计和目标跟踪。然而，在端到端感觉运动控制领域，这种多传感器的观点受到的关注有限。此外，使策略对部分传感器故障具有鲁棒性的系统方法尚未得到充分探索。在这项工作中，我们提出了一种特定的Dropout定制方法，称为“传感器Dropout”，以提高多传感器策略的鲁棒性并处理传感器组的部分故障。我们还引入了策略网络上的一个额外辅助损失，以减少潜在的多传感器和单传感器策略带的方差，从而减少由突发传感器故障或停用/激活触发的策略切换期间的抖动。最后，通过梯度可视化，我们展示了尽管观察空间多样，但学习到的策略以相同的潜在状态表示为条件——这是真正传感器融合的标志。多传感器策略的仿真结果（在TORCS赛车游戏中可视化）可在此处查看：https://youtu.be/QAK2lcXjNZc。
引用
@article{arxiv.1705.10422,
title = {Learning End-to-end Multimodal Sensor Policies for Autonomous Navigation},
author = {Guan-Horng Liu and Avinash Siravuru and Sai Prabhakar and Manuela Veloso and George Kantor},
journal= {arXiv preprint arXiv:1705.10422},
year = {2017}
}
备注
to be published in Conference on Robot Learning (CoRL), 2017