利用强化学习防止单目 SLAM 失效
机器人学
2020-01-15 v5
摘要
单目 SLAM 是指使用单台相机估计机器人自运动同时构建环境地图的问题。虽然单目 SLAM 是一个被广泛研究的问题，但将其与轨迹规划框架集成以实现自动化单目 SLAM 尤其具有挑战性。本文提出了一种基于强化学习（RL）的新公式化方法，用于生成失效安全轨迹，使得 SLAM 生成的输出不会大幅偏离其真实值。本质上，RL 框架成功地学习了感知输入与运动动作之间复杂的关联关系，并利用这些知识生成不会导致 SLAM 失效的轨迹。我们在仿真中系统地展示了当使用 RL 计算轨迹时，SLAM 的质量如何显著提升。该方法在仿真和真实移动机器人实验中均能有效扩展至各种单目 SLAM 框架。
引用
@article{arxiv.1607.07558,
title = {Learning to Prevent Monocular SLAM Failure using Reinforcement Learning},
author = {Vignesh Prasad and Karmesh Yadav and Rohitashva Singh Saurabh and Swapnil Daga and Nahas Pareekutty and K. Madhava Krishna and Balaraman Ravindran and Brojeshwar Bhowmick},
journal= {arXiv preprint arXiv:1607.07558},
year = {2020}
}
备注
Accepted at the 11th Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP) 2018 More info can be found at the project page at https://robotics.iiit.ac.in/people/vignesh.prasad/SLAMSafePlanner.html and the supplementary video can be found at https://www.youtube.com/watch?v=420QmM_Z8vo