通过带噪声模型嵌入的空间与语义信息合成从仿真中学习导航
机器人学
2019-11-13 v3 计算机视觉与模式识别
摘要
虽然在真实世界中训练端到端导航网络通常成本高昂,但仿真在这一训练阶段提供了安全且廉价的环境。然而,在仿真中训练神经网络模型带来了如何有效地将模型从仿真迁移到真实世界(sim-to-real)的问题。在这项工作中,我们将环境表示视为该迁移过程中的关键要素,并提出视觉信息金字塔(VIP)模型来系统性地研究一种实用的环境表示。据此建立了一种由空间与语义信息合成构成的新型表示,其中特别考虑了噪声模型嵌入。为探索该表示的有效性,我们在仿真与真实场景中与文献中常用的表示进行了性能比较。结果表明我们的环境表示表现突出。此外,对特征图进行了分析以通过内部反应考察其有效性,这可对未来的端到端导航研究有所启发。
引用
@article{arxiv.1910.05758,
title = {Learning to Navigate from Simulation via Spatial and Semantic Information Synthesis with Noise Model Embedding},
author = {Gang Chen and Hongzhe Yu and Wei Dong and Xinjun Sheng and Xiangyang Zhu and Han Ding},
journal= {arXiv preprint arXiv:1910.05758},
year = {2019}
}
备注
10 pages, 11 figures