PITA：物理先验轨迹自编码器
机器学习
2024-03-19 v1 机器人学
摘要
在安全关键应用中验证机器人系统需要在多种场景下进行测试，包括不太可能发生的罕见边缘情况，这需要用仿真测试来补充现实世界测试。生成模型可用于通过在学习的潜在空间中采样生成数据，以扩充现实世界数据集，从而产生边缘情况场景。自编码器可以通过学习从低维中间表示重建输入数据，来学习特定领域的潜在表示。然而，生成的轨迹不一定符合物理规律，而是通常包含输入轨迹中不存在的噪声。为了解决这个问题，我们提出了新颖的物理先验轨迹自编码器（PITA）架构，它将物理动力学模型结合到自编码器的损失函数中。这使得生成的轨迹不仅能够重建输入轨迹，还能遵循物理模型。我们在真实世界车辆轨迹数据集上评估了 PITA，并将其性能与普通自编码器和最先进的动作空间自编码器进行了比较。
引用
@article{arxiv.2403.11728,
title = {PITA: Physics-Informed Trajectory Autoencoder},
author = {Johannes Fischer and Kevin Rösch and Martin Lauer and Christoph Stiller},
journal= {arXiv preprint arXiv:2403.11728},
year = {2024}
}