SIM2REALVIZ：可视化机器人自位姿估计中的仿真到现实鸿沟
机器人学
2021-12-06 v2 计算机视觉与模式识别
人机交互
机器学习
摘要
机器人学社区已开始严重依赖日益逼真的三维仿真器，以在海量数据上大规模训练机器人。但一旦机器人部署于真实世界，仿真鸿沟以及真实世界中的变化（如光照、物体位移）会导致误差。本文中，我们介绍Sim2RealViz，一种可视化分析工具，用于协助专家理解并缩减机器人自位姿估计任务（即利用训练模型估计机器人位置）中的这一鸿沟。Sim2RealViz展示给定模型的细节及其在仿真与真实世界中各实例的性能。专家可识别在给定位置影响模型预测的环境差异，并通过与模型假设的直接交互来探索修复方法。我们详述了该工具的设计，以及有关利用回归到均值偏差及其应对方式的案例研究，以及模型如何被自行车等地标的消失所扰动。
引用
@article{arxiv.2109.11801,
title = {SIM2REALVIZ: Visualizing the Sim2Real Gap in Robot Ego-Pose Estimation},
author = {Theo Jaunet and Guillaume Bono and Romain Vuillemot and Christian Wolf},
journal= {arXiv preprint arXiv:2109.11801},
year = {2021}
}