使用混合帧/事件驱动的卷积神经网络操控捕食者机器人
机器人学
2016-07-01 v1 计算机视觉与模式识别
摘要
本文描述了卷积神经网络(CNN)在捕食者/猎物场景中的应用。该CNN在来自安装在Summit XL机器人(捕食者)上的动态有源像素传感器(DAVIS)的数据上进行训练和运行，该机器人跟随另一个机器人(猎物)。CNN由常规图像帧和由恒定数量的DAVIS ON与OFF事件组成的动态视觉传感器“帧”共同驱动。因此网络以与场景活动成比例的采样率“数据驱动”，有效采样率根据机器人速度在15 Hz到240 Hz之间变化。网络生成四种输出：向右转、向左转、居中以及不可见。在标注数据上离线训练后，该网络被导入运行jAER的机载Summit XL机器人，并实时接收转向指令。报告了闭环试验的成功结果，准确率高达87%或92%(取决于评估标准)。尽管所提方法丢弃了精确的DAVIS事件时序，但它提供了与传统深度学习技术兼容且不放弃数据驱动计算优势的重要优点。
引用
@article{arxiv.1606.09433,
title = {Steering a Predator Robot using a Mixed Frame/Event-Driven Convolutional Neural Network},
author = {Diederik Paul Moeys and Federico Corradi and Emmett Kerr and Philip Vance and Gautham Das and Daniel Neil and Dermot Kerr and Tobi Delbruck},
journal= {arXiv preprint arXiv:1606.09433},
year = {2016}
}
备注
Paper presented at the conference: Second International Conference on Event-Based Control, Communication and Signal Processing (EBCCSP) 2016, At Krakow, Poland