SA-Net：用于从 RGB-D 数据流中识别机器人轨迹的深度神经网络
机器人学
2020-11-19 v2
摘要
示范学习（LfD）与模仿学习为将任务行为迁移到机器人提供了新的范式。一类支持此类在线学习的方法要求机器人观察任务执行过程，并将感知到的流数据分解为状态-动作对序列，随后将这些序列输入到方法中。因此，在感知数据中正确且快速地识别状态-动作对是这些方法的关键前提。我们提出 SA-Net，一种从 RGB-D 数据流中识别状态-动作对的深度神经网络架构。SA-Net 在两类不同的 LfD 机器人应用中均表现良好——一类涉及地面移动机器人，另一类涉及机械臂——这表明该架构能很好地泛化到不同场景。包括在实际机器人上部署在内的综合评估表明，\sanet{} 相比利用传统图像处理和分割的先前方法在准确率上有显著提升。
引用
@article{arxiv.1905.04380,
title = {SA-Net: Deep Neural Network for Robot Trajectory Recognition from RGB-D Streams},
author = {Nihal Soans and Ehsan Asali and Yi Hong and Prashant Doshi},
journal= {arXiv preprint arXiv:1905.04380},
year = {2020}
}
备注
(in press)