通过主动感知运动策略学习感知物理属性

从彩色图像推断地形物理属性的知识有助于制定高效的机器人运动规划。然而，与图像分类不同，人类难以直观地为图像块标注物理属性。在没有标注数据的情况下，构建一种以观测地形为输入并预测物理属性的视觉系统仍然具有挑战性。我们提出一种方法，通过在仿真中训练的物理属性估计器对机器人在真实世界行进时捕获的图像进行自监督标注，从而克服该挑战。为确保标注准确，我们引入主动感知运动策略（ASMP），其经训练以探索可提升物理参数估计精度的运动行为。例如，四足机器人学会用脚刮擦地面以准确估计摩擦系数。我们表明，使用少量真实世界行进数据训练的视觉系统可准确预测物理参数。所训练的系统具有鲁棒性，即便使用无人机捕获的俯视图像也能工作，尽管其训练数据由附着于地面行走的四足机器人上的相机采集。