通过带宽受限的多智能体空间握手克服遮挡
机器人学
2021-07-05 v1 计算机视觉与模式识别
多智能体系统
摘要
本文研究带宽受限且易受阻隔的协同感知问题，具体针对多智能体语义分割场景。该设定带来若干关键挑战，包括处理与交换未配准的机器人群体图像。要取得成功，解决方案必须有效利用多个非静态且间歇性重叠的 RGB 视角，同时顾及带宽约束并克服不必要的前景遮挡。为此，我们提出一个端到端可学习的多智能体空间握手网络（MASH）来处理、压缩并在机器人群体中传播视觉信息。我们的分布式通信模块直接（且唯一地）作用于原始图像数据，无需位姿、深度或扭曲数据等额外输入。在照片级真实感的多机器人 AirSim 环境中，我们展示了模型相对于若干基线方法的优越性能，尤其在存在图像遮挡的情况下。我们的方法相较强基线取得了 11% 的绝对 IoU 提升。
引用
@article{arxiv.2107.00771,
title = {Overcoming Obstructions via Bandwidth-Limited Multi-Agent Spatial Handshaking},
author = {Nathaniel Glaser and Yen-Cheng Liu and Junjiao Tian and Zsolt Kira},
journal= {arXiv preprint arXiv:2107.00771},
year = {2021}
}
备注
Accepted to IROS 2021