通过观测人与环境交互对移动机器人场景识别模型的在线精化

本文描述了一种针对机器人导航中可穿越植物（即机器人在移动时可拨开的柔性植物部分）的场景识别模型的在线精化方法。在考虑生长到路径上的可穿越植物的场景识别系统中，误分类可能导致机器人因将可穿越植物识别为障碍物而卡住。然而，任何估计方法都不可避免地会出现误分类。在本工作中，我们提出了一种在机器人运行过程中实时精化语义分割模型的框架。我们引入了基于权重印记的少样本分割，用于无需微调的在线模型精化。训练数据通过观测人与植物部分的交互来收集。我们提出了一种新颖的鲁棒权重印记方法，以减轻由该交互生成的掩码中所包含噪声的影响。所提方法通过使用真实世界数据的实验进行了评估，结果表明其优于普通权重印记，并在以更少计算成本的情况下提供了与带模型蒸馏的微调相竞争的结果。