基于人知少样本目标检测的机器人趣味性识别
机器人学
2022-08-03 v1
摘要
趣味性识别对于移动机器人自主探索中的决策至关重要。先前方法提出了一种无监督在线学习方法,可适应环境并快速检测有趣场景,但缺乏适应人知有趣物体的能力。为解决该问题,我们引入了一种人交互框架 AirInteraction,可通过少样本在线学习检测人知物体。为降低通信带宽,我们首先在无人车上应用在线无监督学习算法进行趣味性识别,然后仅将潜在有趣场景发送至基站供人工检视。人类操作员能够为特定有趣物体绘制并提供边界框标注,这些标注被发回机器人以通过少样本学习检测相似物体。仅使用少量人工标注样本,机器人便能在任务中学习任务新颖有趣物体类别并检测包含这些物体的有趣场景。我们在多个有趣场景识别数据集上评估了我们的方法。据我们所知,这是首个面向自主探索的人知少样本目标检测框架。
引用
@article{arxiv.2208.01084,
title = {Robotic Interestingness via Human-Informed Few-Shot Object Detection},
author = {Seungchan Kim and Chen Wang and Bowen Li and Sebastian Scherer},
journal= {arXiv preprint arXiv:2208.01084},
year = {2022}
}