基于监督学习仿真的视觉自主无人机控制
机器人学
2020-09-10 v1 人工智能
机器学习
摘要
有限的功率与计算资源、高端传感器设备的缺失以及拒止 GPS 环境是自主微型飞行器（MAVs）所面临的挑战。我们在室内环境中 MAV 自主导航与着陆的背景下解决这些挑战，并提出一种使用监督学习的视觉控制方法。为此，我们在仿真环境中收集了数据样本，并根据路径规划算法确定的最优控制指令进行标注。基于这些数据样本，我们训练了一个卷积神经网络（CNN），将低分辨率图像与传感器输入映射为高层控制指令。我们在有障碍与无障碍的仿真环境中均观察到了有前景的结果，表明我们的模型能够成功地将 MAV 导航至着陆平台。我们的方法比类似的强化学习方法需要更短的训练时间，并有可能克服同类监督学习方法所面临的手动数据收集限制。
引用
@article{arxiv.2009.04298,
title = {Vision-Based Autonomous Drone Control using Supervised Learning in Simulation},
author = {Max Christl},
journal= {arXiv preprint arXiv:2009.04298},
year = {2020}
}