基于深度强化学习的人形足球机器人实时主动视觉
机器人学
2020-11-30 v1 人工智能
计算机视觉与模式识别
机器学习
图像与视频处理
摘要
在本文中，我们提出了一种利用深度强化学习方法的人形足球机器人主动视觉方法。所提方法自适应地优化机器人的视点，以获取对自定位最有用的路标，同时将球保持在视场内。主动视觉对于视野有限的人形决策机器人至关重要。为处理主动视觉问题，先前已提出若干基于概率熵的方法，这些方法高度依赖于自定位模型的准确性。然而，在本研究中，我们将该问题表述为一个情景式强化学习问题，并采用Deep Q-learning方法求解。所提网络仅需相机原始图像即可将机器人头部移向最佳视点。该模型在达到最佳视点方面表现出极具竞争力的80%成功率。我们在Webots模拟器中模拟的人形机器人上实现了所提方法。我们的评估和实验结果表明，在自定位误差较大的情况下，所提方法在RoboCup环境中优于基于熵的方法。
引用
@article{arxiv.2011.13851,
title = {Real-time Active Vision for a Humanoid Soccer Robot Using Deep Reinforcement Learning},
author = {Soheil Khatibi and Meisam Teimouri and Mahdi Rezaei},
journal= {arXiv preprint arXiv:2011.13851},
year = {2020}
}
备注
The paper has been accepted in ICAART 2021