用于鲁棒路径跟随的视觉记忆
计算机视觉与模式识别
2018-12-04 v1 机器学习
机器人学
摘要
人类在陌生环境中即使运动存在不确定性，也常常能够前后往复地重走路径。本文提出了一种实现该能力的方法。给定一条路径的演示，第一个网络生成路径抽象。借助该抽象，第二个网络观察世界并决定如何在噪声驱动与变化的环境中采取行动以重走该路径。这两个网络在训练时端到端优化。我们在两个逼真的模拟器中评估该方法，在驱动噪声与环境变化下进行路径跟随与归航。我们的实验表明，该方法优于经典方法与其他基于学习的基线。
引用
@article{arxiv.1812.00940,
title = {Visual Memory for Robust Path Following},
author = {Ashish Kumar and Saurabh Gupta and David Fouhey and Sergey Levine and Jitendra Malik},
journal= {arXiv preprint arXiv:1812.00940},
year = {2018}
}
备注
Neural Information Processing Systems (NeurIPS) 2018. Oral Presentation