学习时代自主系统中的感知与导航：综述

自主系统具有推断自身状态、理解周围环境并执行自主导航的特征。随着深度学习与强化学习等学习系统的应用，自主系统基于视觉的自状态估计、环境感知与导航能力得到了有效解决，并涌现出许多针对自主视觉感知与导航的基于学习的新算法。在本综述中，我们聚焦于基于学习的单目方法在自主系统自运动感知、环境感知与导航中的应用，这与先前讨论传统方法的综述不同。首先，我们阐明了现有经典视觉同步定位与建图（vSLAM）方案的缺陷，表明集成深度学习技术的必要性。其次，我们回顾了基于深度学习的视觉环境感知与理解方法，包括基于深度学习的单目深度估计、单目自运动预测、图像增强、目标检测、语义分割，以及它们与传统 vSLAM 框架的结合。然后，我们重点介绍基于学习系统的视觉导航，主要包括强化学习与深度强化学习。最后，我们考察了计算机科学与机器人学领域相关研究中讨论并总结的若干挑战与有前景的方向。