基于强化学习与计算机视觉的自主割草机器人局部导航与对接
机器人学
2021-03-03 v3 人工智能
摘要
我们展示了 John Deere Tango 自主割草机成功的导航与对接控制系统,仅使用单个摄像头作为输入。这种纯视觉系统引人关注,因为它成本低廉、生产简单且无需外部传感。这与依赖集成位置传感器和全球定位系统(GPS)技术的现有系统形成对比。为构建我们的系统,我们将最先进的目标检测架构 You Only Look Once (YOLO) 与强化学习(RL)架构 Double Deep QNetworks (Double DQN) 相结合。目标检测网络识别割草机上的特征,并将其输出传递给 RL 网络,为其提供低维表示,从而实现快速而稳健的训练。最后,RL 网络在自定义仿真环境中学习如何将机器导航至期望位置。在割草机硬件上测试时,该系统能够从任意初始位置和朝向以厘米级精度完成对接。
引用
@article{arxiv.2101.06248,
title = {Local Navigation and Docking of an Autonomous Robot Mower using Reinforcement Learning and Computer Vision},
author = {Ali Taghibakhshi and Nathan Ogden and Matthew West},
journal= {arXiv preprint arXiv:2101.06248},
year = {2021}
}