基于几何可解释神经感知的视觉伺服
机器人学
2022-10-20 v1
摘要
越来越多的非专业机器人用户需要易于使用的机器。在视觉伺服背景下，去除显式图像处理正成为一种趋势，使该技术易于应用。本工作提出一种深度学习方法来解决视觉伺服方案中的感知问题。利用来自控制器知识和视觉特征运动模型的监督来训练人工神经网络。以此方式，可以对估计的视觉特征给出几何解释，其可用于视觉伺服的分析律中。该方法保持感知与控制解耦，赋予整个框架灵活性与可解释性。基于机器人操纵器的仿真与真实实验验证了我们的方法。
引用
@article{arxiv.2210.10549,
title = {Visual Servoing with Geometrically Interpretable Neural Perception},
author = {Antonio Paolillo and Mirko Nava and Dario Piga and Alessandro Giusti},
journal= {arXiv preprint arXiv:2210.10549},
year = {2022}
}
备注
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2022