基于自监督学习的多模态路径规划传输成本估计
机器人学
2024-12-10 v1 计算机视觉与模式识别
机器学习
摘要
在真实环境中运行的自主机器人常需决定如何最佳地导航其周围环境。本文针对这一问题的特定实例：给定高层目标和环境信息后，机器人如何自主决定要遵循的能耗最优路径。为解决此问题，我们开发了一种自监督学习方法，使机器人仅使用视觉输入即可估计其环境的传输成本。我们将该方法应用于多模态机动仿生机器人（M4），该机器人能够在环境中驱动、飞行、踏板和爬行。通过在实际环境中部署我们的系统，我们展示了该方法能够准确地为各种类型的环境分配不同的传输成本，例如草地与光滑道路。我们还强调了该方法的低计算成本，其在 Nvidia Jetson Orin Nano 机器人计算单元上部署。我们相信，这项工作将使多模态机器人平台在导航和探索任务中发挥更大的潜力。
引用
@article{arxiv.2412.06101,
title = {Self-supervised cost of transport estimation for multimodal path planning},
author = {Vincent Gherold and Ioannis Mandralis and Eric Sihite and Adarsh Salagame and Alireza Ramezani and Morteza Gharib},
journal= {arXiv preprint arXiv:2412.06101},
year = {2024}
}