ICCVJul, 2019

EMPNet: 使用嵌入式记忆点的神经定位与建图

PDF
TL;DR本文研究了使用内存模块进行环境表示的方法，其中包括利用卷积神经网络提取点嵌入并将其刚性对齐，从而提高智能体的自主能力和准确性。
autonomymemory moduleconvolutional neural networkpoint-embeddingsenvironment representation
发现论文，激发创造
  • 基于记忆增强的强化学习在图像目标导航中的应用

    该研究提出了一种基于记忆增强的注意力机制模型，利用序列记忆学习图像目标导航，模型表现优异，创造了新的最优结果。与相关工作不同的是，仅使用 RGB 图像输入，无需姿态 / 深度传感器等额外信息。

    Jan, 2021

  • 无人地面车辆定位的高效神经映射

    通过训练神经网络来实现全球本地化并应用于实际机器人场景，在二维平面中限制问题并大幅增加训练数据，可以得到紧凑的模型，实现了数厘米的定位精度，并在无人地面车上应用进行路径导航任务。

    Nov, 2022

  • 基于记忆的邻域嵌入用于视觉识别

    本文提出了一种记忆邻域嵌入方法（Memory-based Neighbourhood Embedding，MNE），其将邻域信息考虑进卷积神经网络（CNN）特征嵌入，通过增加体现输入图像相关性的记忆模块并使用一个树状图形式的邻域结构来聚合邻域信息以获得更为判别性的嵌入；该方法在图像搜索和少样本学习任务上得到应用，表现出较高性能。

    Aug, 2019

  • 通过共享 2D-3D 嵌入空间在 LiDAR 地图中进行全局视觉定位

    本研究使用深度神经网络方法来创造一个共享的嵌入空间，将图像和 LiDAR-Map 映射到同一空间中，通过大量实验评估发现，该方法适用于全球定位和场所识别。

    Oct, 2019

  • 神经 SLAM：学习利用外部存储进行探索

    本研究提出了一种新的方法，通过嵌入传统同时定位与建图（SLAM）的程序到软的注意力机制中，从而使得机器代理从传感器数据学习全局地图的表征，在无人环境中，可以通过深度神经网络进化具有类似 SLAM 的行为和强化学习代理，成功地在必须保持长期记忆的新环境中进行探索。

    Jun, 2017

  • 通过位置嵌入实现鲁棒的点云处理

    基于带宽的分析性逐点嵌入与位置嵌入的关系探索以及在点云分类和注册中具有鲁棒性的结果。

    Sep, 2023

  • 基于语义感知的注意力神经嵌入在基于图像的视觉定位中的应用

    提出了一种新的，综合了外观和语义信息的 2D VL 定位方法，该方法使用多模态线索生成稳健的嵌入向量，其中利用了场景的语义布局的不变性，并提出了一个基于深度学习的注重注意力的框架来指导嵌入向量生成的过程，在三个具有挑战性的本地化数据集上测试，平均绝对提高了 19％，并且通过对模型各个组件进行广泛研究，证明了语义信息和注意模块的贡献。

    Dec, 2018

  • MANTRA：用存储增强网络进行多轨迹预测

    本论文提出了一种基于记忆增强神经网络的多模态轨迹预测方法，该方法可以在复杂场景中安全地规划自主车辆路径，并且通过非参数化的记忆模块，可以不断改进预测效果。

    Jun, 2020

  • 快速视频语义分割的局部内存注意力

    本文提出了一种新颖的神经网络模块，可以将现有的单帧语义分割模型转化为视频语义分割流水线，并将过去帧中的语义信息聚合到内存模块中，并通过关注机制来对其进行访问。通过将这些提示与当前帧的编码进行融合，可以改善 Cityscapes 数据集上的分割性能，并只需增加 1.5ms 的推理时间。

    Jan, 2021

  • 多智能体路径规划中基于长短时记忆的空间编码

    本文提出了一个基于强化学习的路径规划方法，可以应用到多经纬系统，通过训练一个连续状态和动作的策略网络，使其具有理想的路径规划行为，该方法通过 LSTM 模块来编码不特定数量的状态，可以扩展到具有无限数量代理和维度的情形，同时使用低成本的硬件平台进行实现。实验表明所提出的方法能成功地使 4 个自主导航的飞行器在现实世界环境中无碰撞地导航。

    Mar, 2022