利用强化学习预防单目 SLAM 失效
机器人学
2020-01-08 v2
摘要
单目 SLAM 指使用单个相机估计机器人自身运动并同时构建环境地图。尽管单目 SLAM 是已被充分研究的问题，但将其与轨迹规划框架集成以实现自动化尤为困难。本文提出一种基于强化学习（RL）的新颖公式，可生成故障安全轨迹，其中 SLAM 生成的输出不会严重偏离其真实值。本质上，RL 框架成功学习了原本复杂的感知输入与运动动作间关系，并利用该知识生成不会导致 SLAM 失效的轨迹。我们在仿真中系统性展示了当使用 RL 计算轨迹时，SLAM 的质量如何显著提升。我们的方法在仿真与移动机器人真实世界实验中，均能有效推广至各类单目 SLAM 框架。
引用
@article{arxiv.1812.09647,
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:1812.09647},
year = {2020}
}
备注
This is the extension of the work described in arXiv:1607.07558 so it would be better to have that updated instead of having this as a separate version