基于视觉的运动基元规划的概率近似正确方法
机器人学
2020-11-11 v2 机器学习
系统与控制
系统与控制
最优化与控制
摘要
本文提出一种学习基于视觉的规划器的方法，该规划器可证明地泛化到新颖环境（即训练期间未见过环境）。我们利用概率近似正确（PAC）-Bayes 框架获得所有环境下策略期望代价的界。因此，最小化 PAC-Bayes 上界可训练出附带新颖环境性能证书的策略。我们提出的训练流程通过 (a) 使用进化策略（ES）在策略空间上获得良好先验分布，随后 (b) 将 PAC-Bayes 优化表述为可高效求解的参数化凸优化问题，为深度神经网络策略提供强泛化保证。我们通过两个仿真示例证明该方法在为学到的基于视觉的运动规划器提供强泛化保证方面的有效性：(1) 搭载机载视觉传感器的无人机（UAV）在障碍场中导航，以及 (2) 具有本体感知与外感知传感器的动态四足机器人穿越崎岖地形。
引用
@article{arxiv.2002.12852,
title = {Probably Approximately Correct Vision-Based Planning using Motion Primitives},
author = {Sushant Veer and Anirudha Majumdar},
journal= {arXiv preprint arXiv:2002.12852},
year = {2020}
}