基于高效深度神经网络的自监督单目多机器人相对定位
机器人学
2021-09-23 v2
摘要
相对定位是多个机器人在无 GPS 环境下执行协同任务的重要能力。本文提出一种新颖的自主定位框架，用于多个微型飞行机器人的单目相对定位。该方法不需要来自外部系统的任何真值数据或人工标注。相反，所提框架能够基于另一种机载相对估计技术（使用超宽带（UWB））用机器人间的 3D 相对位置对真实世界图像进行标注。以这种自监督方式训练后，所提深度神经网络（DNN）可仅使用单目相机预测同伴机器人的相对位置。这种基于深度学习的视觉相对定位具有可扩展、分布式和自主的特点。我们还利用 Blender 进行 3D 渲染，构建了一个开源轻量仿真流水线，可生成其他机器人的合成图像并用于神经网络的泛化训练。所提定位框架在两架真实 Crazyflie2 四旋翼上通过在机载 AIdeck（一个微型 AI 芯片与单目相机）上运行 DNN 进行了测试。所有结果均证明了该自监督多机器人定位方法的有效性。
引用
@article{arxiv.2105.12797,
title = {Self-supervised Monocular Multi-robot Relative Localization with Efficient Deep Neural Networks},
author = {Shushuai Li and Christophe De Wagter and Guido C. H. E. de Croon},
journal= {arXiv preprint arXiv:2105.12797},
year = {2021}
}
备注
6+1 pages, submitted to ICRA 2022