持久自监督学习原理：从立体视觉到单目视觉的避障
机器人学
2016-03-29 v1
摘要
自监督学习(SSL)是一种可靠的学习机制，其中机器人使用原始的、可信的传感器线索进行训练，以识别额外的、互补的传感器线索。我们首次在SSL中研究机器人的学习行为应如何组织，以便当原始线索不可用时，机器人仍能执行其任务。我们在飞行机器人的背景下研究这种持久形式的SSL，该机器人必须基于立体视觉视觉线索的距离估计来避障。随着时间的推移，它将学会基于单目外观线索估计距离。引入了一种策略，让机器人从基于立体视觉的飞行切换到单目飞行，立体视觉纯粹用作“训练轮”以避免即将发生的碰撞。该策略被证明是解决“反馈引起的数据偏差”问题的有效方法，正如从演示中学习时也会遇到的问题。配备立体视觉的AR drone 2.0的仿真和真实世界实验都显示了该方法的可行性，机器人在5 x 5房间中成功使用单目视觉避障。实验显示了持久SSL作为一种增强机器人能力的稳健学习方法的潜力。此外，来自自身传感器的丰富训练数据允许收集深度学习所需的大型数据集。
引用
@article{arxiv.1603.08047,
title = {Persistent self-supervised learning principle: from stereo to monocular vision for obstacle avoidance},
author = {Kevin van Hecke and Guido de Croon and Laurens van der Maaten and Daniel Hennes and Dario Izzo},
journal= {arXiv preprint arXiv:1603.08047},
year = {2016}
}