教无人机竞速：仿真中敏捷控制指令的端到端回归
计算机视觉与模式识别
2018-11-26 v4
摘要
近年来，在多样化场景中实现无人机的自主导航自动化备受关注。然而，教导无人机在挑战性环境中飞行仍是一个未解决的问题，主要由于缺乏训练数据。本文中，我们训练了一个深度神经网络，从原始图像数据预测无人机控制指令，以完成照片级真实感仿真中的自主无人机竞速任务。训练通过模仿学习并结合数据增强进行，以纠正导航错误。大量实验表明，我们训练的网络（在使用充足数据增强时）优于最先进的方法，且比许多人类飞行员飞得更稳定。此外，我们展示了优化后的网络架构可在嵌入式硬件上实时运行，从而实现对于实际部署至关重要的高效机载处理。从更广义的角度看，我们的结果强调了在端到端学习设置中，广泛的数据增强技术对于提升鲁棒性的重要性。
引用
@article{arxiv.1708.05884,
title = {Teaching UAVs to Race: End-to-End Regression of Agile Controls in Simulation},
author = {Matthias Müller and Vincent Casser and Neil Smith and Dominik L. Michels and Bernard Ghanem},
journal= {arXiv preprint arXiv:1708.05884},
year = {2018}
}
备注
Accepted at ECCVW'18