野外单次知情机器人视觉搜索
机器人学
2020-09-04 v2 计算机视觉与模式识别
机器学习
摘要
我们考虑水下机器人导航任务,以收集用于环境监测的具有科学相关性的视频数据。当前在 unstructured 自然环境中执行监测任务的大部分现场机器人通过路径跟踪一组预先指定的航点序列进行导航。尽管这种导航方法常常是必需的,但它具有局限性,因为机器人没有关于科学家认为相关的视觉观测的模型。因此,机器人既不能视觉搜索特定类型的物体,也不能将注意力聚焦于场景中可能比预先指定航点与视角更相关的部分。本文中我们提出一种方法,通过学习的视觉相似性算子实现知情视觉导航,该算子将机器人的视觉搜索引导至场景中看起来像示例图像的部分,该示例图像由用户作为数据收集的高层规范给出。我们提出并评估一种弱监督视频表示学习方法,其在水下领域的相似性任务上优于 ImageNet 嵌入。我们也展示了在协作式环境监测场景的大规模现场试验中,该相似性算子在知情视觉导航中的部署,其中机器人与人类科学家协作搜索相关视觉内容。
引用
@article{arxiv.2003.10010,
title = {One-Shot Informed Robotic Visual Search in the Wild},
author = {Karim Koreitem and Florian Shkurti and Travis Manderson and Wei-Di Chang and Juan Camilo Gamboa Higuera and Gregory Dudek},
journal= {arXiv preprint arXiv:2003.10010},
year = {2020}
}
备注
Accepted at IROS 2020. Code https://github.com/rvl-lab-utoronto/visual_search_in_the_wild and videos https://www.youtube.com/watch?v=0i_el5XGCus