基于深度视觉预测的机器人运动规划
机器人学
2019-06-26 v1 计算机视觉与模式识别
机器学习
摘要
本文中，我们引入了一种新颖的框架，能够从原始视频帧中学习对机器人智能体的运动进行视觉预测。我们提出的运动预测网络(PROM-Net)可以以完全无监督的方式学习，并高效预测未来最多10帧。此外，与其他运动预测模型不同，它轻量且在训练后可轻松部署于计算能力非常有限的移动平台。我们创建了一个新的机器人数据集，包含LEGO Mindstorms在三种不同环境、不同光照条件下沿多种轨迹运动，用于网络的测试与训练。最后，我们引入了一个框架，将网络预测的帧作为模型预测控制器的输入，用于在具有移动障碍物的未知动态环境中进行运动规划。
引用
@article{arxiv.1906.10182,
title = {Planning Robot Motion using Deep Visual Prediction},
author = {Meenakshi Sarkar and Prabhu Pradhan and Debasish Ghose},
journal= {arXiv preprint arXiv:1906.10182},
year = {2019}
}
备注
7th ICAPS Workshop on Planning and Robotics (PlanRob), 2019