MetaCropFollow：基于元学习的少样本自适应用于冠层下导航
机器人学
2024-11-22 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
与冠层上环境相比，自主冠层下导航面临额外的挑战——例如作物行间距狭窄、GPS精度下降以及障碍物过多。基于关键点的视觉导航已被证明在这些条件下表现良好，然而农业环境在光照、季节、土壤和作物类型方面的差异意味着在机器人部署的某个阶段很可能会遇到域偏移。在本文中，我们探索使用元学习来克服这种域偏移，仅需最少量的数据。我们训练一个能够快速适应新条件的基础学习器，从而在低数据量情况下实现更鲁棒的导航。
引用
@article{arxiv.2411.14092,
title = {MetaCropFollow: Few-Shot Adaptation with Meta-Learning for Under-Canopy Navigation},
author = {Thomas Woehrle and Arun N. Sivakumar and Naveen Uppalapati and Girish Chowdhary},
journal= {arXiv preprint arXiv:2411.14092},
year = {2024}
}