S2P2：基于 RGB-D 数据的自监督目标导向路径规划用于电动轮椅机器人
机器人学
2021-03-19 v1
摘要
路径规划是电动轮椅机器人自主导航的基本能力。随着深度学习技术的显著发展，基于模仿学习的路径规划方法近年来取得了有效成果。然而，这些方法的缺点有二：1）它们可能需要大量时间与人力记录专家演示作为训练数据；2）现有方法仅能接收高级指令，例如左转/右转。这些指令对于移动机器人（如电动轮椅机器人）的导航可能不够，其通常需要目标的确切位姿。我们通过提出 S2P2（一种自监督目标导向路径规划方法）为该问题贡献了解决方案。具体而言，我们开发了一条流水线，以给定的 RGB-D 图像与目标位姿为输入自动生成规划路径标签。然后，我们提出最佳拟合回归平面损失，基于生成的标签训练我们的数据驱动路径规划模型。我们的 S2P2 不需要预建地图，但可通过我们的框架集成到现有基于地图的导航系统中。实验结果表明，我们的 S2P2 优于传统路径规划算法，并提升了现有基于地图的导航系统的鲁棒性。我们的项目页面位于 https://sites.google.com/view/s2p2。
引用
@article{arxiv.2103.10210,
title = {S2P2: Self-Supervised Goal-Directed Path Planning Using RGB-D Data for Robotic Wheelchairs},
author = {Hengli Wang and Yuxiang Sun and Rui Fan and Ming Liu},
journal= {arXiv preprint arXiv:2103.10210},
year = {2021}
}
备注
7 pages, 6 figures and 3 tables. This paper is accepted by ICRA 2021