面向 GPS 拒止环境中操控任务的深度学习辅助自主无人机
机器人学
2021-01-19 v1 计算机视觉与模式识别
摘要
在这项工作中，我们提出一种务实方法，使无人飞行器（UAV）能够自主执行高度复杂的物体抓取与放置任务。本文很大程度上受 MBZIRC 2020 挑战赛-2 启发，主要关注户外及 GPS 拒止环境中大型 3D 结构的组装任务。该系统的主要贡献为：(i) 一种新颖的、计算高效的基于深度学习的统一多任务视觉感知系统，用于目标定位、部件分割与跟踪，(ii) 一种新颖的基于深度学习的抓取状态估计，(iii) 一种可伸缩电磁夹爪设计，(iv) 一种远程计算方法，利用基于最先进 MIMO 的高速（5000Mb/s）无线链路使无人机能在远程高端计算服务器上执行计算密集型任务，以及 (v) 系统集成，将若干系统组件编织在一起以开发优化的软件栈。我们使用六旋翼无人机 DJI Matrice-600 Pro 并为其接口定制设计的夹爪。我们的框架部署于指定无人机上以报告各模块的性能分析。除操控系统外，我们还强调了与此背景下无人机相关的若干隐藏挑战。
引用
@article{arxiv.2101.06414,
title = {Towards Deep Learning Assisted Autonomous UAVs for Manipulation Tasks in GPS-Denied Environments},
author = {Ashish Kumar and Mohit Vohra and Ravi Prakash and L. Behera},
journal= {arXiv preprint arXiv:2101.06414},
year = {2021}
}
备注
8 pages, 5 figures, 5 tables, 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2020