基于深度强化学习的自主草莓采摘视点优化
机器人学
2019-05-03 v2 计算机视觉与模式识别
机器学习
摘要
自主采摘可能为美国草莓产业日益加剧的劳动力压力提供一个可行的解决方案。然而，由于机器感知和经济可行性方面的瓶颈，一个盈利且被商业采用的草莓采摘系统仍然难以实现。在本研究中，我们探索使用深度强化学习来克服这些瓶颈，并开发了一种实用算法来解决视点优化这一子目标，即制定一种控制策略以将相机引导至利于自主采摘的有利观测点。我们在一个定制的开源模拟环境中评估了该算法的性能，并观察到令人鼓舞的结果。我们训练得到的智能体比随机动作获得高 8.7 倍的回报，且比我们使用视觉伺服的最佳基线策略探索速度快 8.8%。视觉研究表明，尽管没有明确随时间传播信息的手段，该智能体仍能够固定在有利视点上。总体而言，我们得出结论：深度强化学习是推动自主草莓采摘技术发展水平（SOTA）的一个有前景的研究方向。
引用
@article{arxiv.1903.02074,
title = {Viewpoint Optimization for Autonomous Strawberry Harvesting with Deep Reinforcement Learning},
author = {Jonathon Sather and Xiaozheng Jane Zhang},
journal= {arXiv preprint arXiv:1903.02074},
year = {2019}
}
备注
9 pages