SeekNet：基于强化学习优化机器人重定位改进人体实例分割与追踪
计算机视觉与模式识别
2023-03-09 v2 机器人学
摘要
非模态识别是系统检测被遮挡物体的能力。大多数SOTA视觉识别系统缺乏执行非模态识别的能力。少数研究通过被动预测或具身识别方法实现了非模态识别。然而，这些方法在真实世界应用中面临挑战，例如动态障碍物。我们提出SeekNet，一种通过具身视觉识别改进非模态识别的优化方法。此外，我们将SeekNet应用于社交机器人，其与拥挤行人存在多重交互。我们也展示了我们的算法在被遮挡人体检测与追踪上优于其他基线的益处。此外，我们搭建了带有SeekNet的多机器人环境，用于在拥挤区域识别与追踪空气传播疾病的视觉疾病标记。我们在模拟室内环境中进行实验，表明我们的方法增强了非模态识别任务的总体精度，并相比基线方法随时间取得检测精度上最大的提升。
引用
@article{arxiv.2011.08682,
title = {SeekNet: Improved Human Instance Segmentation and Tracking via Reinforcement Learning Based Optimized Robot Relocation},
author = {Venkatraman Narayanan and Bala Murali Manoghar and Rama Prashanth RV and Phu Pham and Aniket Bera},
journal= {arXiv preprint arXiv:2011.08682},
year = {2023}
}