RSPT：通过重建环境与预测轨迹实现可泛化主动目标跟踪
机器人学
2023-04-10 v1 人工智能
计算机视觉与模式识别
摘要
主动目标跟踪（AOT）旨在给定观测的条件下，通过自主控制跟踪器的运动系统来维持跟踪器与目标之间的特定关系。AOT具有广泛的应用，例如移动机器人和自动驾驶。然而，构建一个在不同场景中鲁棒工作的可泛化主动跟踪器仍然是一个挑战，尤其是在具有杂乱障碍物和多样布局的非结构化环境中。我们认为，构建能够建模周围环境几何结构与目标动力学的状态表示对于实现这一目标至关重要。为应对这一挑战，我们提出RSPT，一个通过重建周围环境（Reconstructing the Surroundings）和预测目标轨迹（Predicting the target Trajectory）来形成结构感知运动表示的框架。此外，我们通过非对称对决机制的训练增强了策略网络的泛化能力。我们在多种模拟场景上评估了RSPT，结果表明它在未见环境中优于现有方法，特别是在具有复杂障碍物和布局的环境中。我们还展示了RSPT向真实世界环境的成功迁移。项目网站：https://sites.google.com/view/aot-rspt。
引用
@article{arxiv.2304.03623,
title = {RSPT: Reconstruct Surroundings and Predict Trajectories for Generalizable Active Object Tracking},
author = {Fangwei Zhong and Xiao Bi and Yudi Zhang and Wei Zhang and Yizhou Wang},
journal= {arXiv preprint arXiv:2304.03623},
year = {2023}
}
备注
AAAI 2023 (Oral)