无监督视觉里程计与动作积分用于室内PointGoal导航
计算机视觉与模式识别
2023-04-04 v2
摘要
室内环境中的PointGoal导航是个人机器人导航至指定点的基础任务。近期研究在照片级真实感仿真环境中以近乎完美的成功率解决了该PointGoal导航任务，其假设包括无噪声驱动，且最重要的是借助GPS与罗盘传感器实现完美定位。然而，真实室内环境中难以获取准确GPS信号。为在无GPS信号下提升PointGoal导航精度，我们使用视觉里程计(VO)并提出了一种以无监督方式训练的新颖动作积分模块(AIM)。具体而言，无监督VO通过两相邻帧的重投影误差计算智能体的相对位姿，并以路径积分替代准确GPS信号。由VO估计的伪位置用于训练动作积分，辅助智能体更新其内部位置感知并助益提升导航成功率。训练与推理过程仅使用RGB、深度、碰撞及自身动作信息。实验表明，所提系统在流行Gibson数据集上取得满意结果并优于部分监督学习算法。
引用
@article{arxiv.2210.00413,
title = {Unsupervised Visual Odometry and Action Integration for PointGoal Navigation in Indoor Environment},
author = {Yijun Cao and Xianshi Zhang and Fuya Luo and Chuan Lin and Yongjie Li},
journal= {arXiv preprint arXiv:2210.00413},
year = {2023}
}
备注
12 pages, 6 figures