面向跨天气条件泛化的感觉运动控制

深度学习模型在不同场景下良好泛化的能力主要取决于标注数据的质量与数量。为模型可能遇到的所有场景标注大量数据并不可行；即便可行也是如此。我们提出一种处理有限标注训练数据的框架，并在基于视觉的车辆控制应用上予以演示。我们展示了如何将仅一种条件下有限的转向角数据迁移到多种不同天气场景。这是通过利用教师-学生学习范式并结合图像到图像翻译网络来实现的。翻译网络将图像迁移到新域，而教师提供软监督目标以在该域上训练学生。此外，我们展示了利用辅助网络如何在推理时减小模型规模而不影响精度。实验表明，我们的方法仅使用来自一个域的真实标签即可在多种不同天气条件下良好泛化。