基于深度强化学习的主动物体分类下一最佳视角估计
机器人学
2021-10-18 v2 机器学习
摘要
从单一视角呈现和分析图像数据往往不足以完成任务，需要多个视角以获取更多信息。下一最佳视角问题试图为底层任务找到具有最大信息增益的最优视角。在本工作中，机械臂在其末端执行器上夹持一个物体，并搜索一系列下一最佳视角以明确识别该物体。我们使用深度强化学习方法 Soft Actor-Critic (SAC) 来针对特定物体集合学习这些下一最佳视角。评估表明，智能体能够学习确定物体位姿，机械臂应将物体移动至该位姿，从而获得能更好地区分该物体与其他物体的、预测更精确的视角。我们向科学界公开代码以保证可复现性。
引用
@article{arxiv.2110.06766,
title = {Next-Best-View Estimation based on Deep Reinforcement Learning for Active Object Classification},
author = {Christian Korbach and Markus D. Solbach and Raphael Memmesheimer and Dietrich Paulus and John K. Tsotsos},
journal= {arXiv preprint arXiv:2110.06766},
year = {2021}
}
备注
9 pages, 11 figures, 4 tables, preprint, Github repo: https://github.com/ckorbach/nbv_rl