- 基于仿生神经动力学和自适应滑模创新滤波的移动机器人分布式领从编队控制
本文提出了一种基于神经动力学的分布式控制策略,通过反步和滑模控制的混合形式实现了多个不同差动驱动移动机器人的分布式 leader-follower 形成控制,并集成了自适应滑动创新滤波器,以提供对建模不确定性鲁棒的精确状态估计。经过多次模拟 - 多智能体强化学习:实用沟通和控制
这篇论文提出了一种名为 “Cyber-Physical POMDP” 的模型,将目标导向通信和网络控制相结合,以实现分散的移动机器人的协调,通过联合训练可以显着提高总体性能并可导致通信行动的隐式协调。
- 使用深度强化学习的机器人路径规划
本文介绍了如何使用强化学习方法和深度 Q 网络等算法,使得机器人可以在未知环境中进行自主导航的任务。我们还利用模拟环境对机器人代理的行为和性能进行了验证和分析。
- 移动机器人物体操作的集体智能
通过将基于梯度的软体物理模拟器的规划器提炼成基于注意力机制的神经网络,我们的多机器人操作系统在适应环境变化、处理任务时表现更好,并且可以应用于训练中未见过的配置。
- 结构化室内环境中机器人导航的高级情境图
本文提出了一个名为 S-Graphs + 的环境感知模型,它由五层优化图组成,包括度量层、关键帧层、度量 - 语义层、新颖房间层和新颖地板层,该模型可以提高机器人的位姿估计和室内环境信息提取的性能,从而扩展机器人的情景感知能力。
- 面向移动人机交互的语义感知环境感知
本篇论文提出了一种基于视觉的移动助理机器人系统,能够在无预先知识的情况下实现语义感知环境,并在一个移动的仿人机器人上进行实际应用测试。
- 移动机器人避障的安全实践强化学习
本文提出了一种结合现实强化学习、基于搜索的在线轨迹规划和自动紧急情况干预的高效碰撞避免系统,用于在室内实际环境下的移动机器人安全行驶。实验结果显示该方法比多种基线更优秀,可以实现更高的平均速度、更低的碰撞频率、更高的目标达成率、更小的计算开 - 利用离群值暴露方法提高移动机器人视觉异常检测性能
本文介绍了针对移动机器人的视觉异常检测系统的构建问题,提出了使用辅助的异常曝光距离损失来提高 Real-NVP 模型性能的方法,并在室内巡逻情景下进行了实验证明。
- 移动机器人基于低维感知导航的深度强化学习的确定性和随机分析
本文比较了 Deep Deterministic Policy Gradients (DDPG) 和 Soft Actor-Critic (SAC) 两种 Deep-RL 技术在无地图导航移动机器人的表现,我们通过量化数据结果展示神经网络架 - 面向资源受限移动机器人的模型压缩
本研究专注于利用模型压缩技术,如剪枝和知识蒸馏,将预先训练的计算机视觉模型的复杂性和参数总数降低,从而在无法访问边缘基础设施时允许在移动机器人上执行这些任务。结果表明,可以删除计算机视觉模型总参数的 90%,而不会显着降低模型的准确性。
- 机器人健康和机器人生命接近:在不利环境下系统量化机器人运行时性能退化
通过病人分诊系统的启示,提出了 “机器人生命体征” 的概念,将一组指标用于评估移动机器人在任务执行过程中的性能降级;实验结果表明,该模型可以有效地估计机器人运行时的性能降级。
- 使用 Promises 实现多智能体合作的目标推理
本文研究了移动机器人的规划和推理问题,提出了一种扩展目标推理框架的方法,通过承诺实现多个智能体的合作行为,并将其应用于一个简化物流场景的原型实现。
- CVPRText2Pos: 文本和点云跨模态定位
本文提出了一种名为 Text2Pos 的模块,可以通过文本描述来定位物件位置,可为以后基于自然语言的导航奠定基础。
- WayFAST: 地面行进预测导航
WayFAST(无路标自主系统)是一种基于自我监督学习方法,使用 RGB 和深度数据以及导航经验,在户外非结构化环境中自动生成适合行走的路径,通过对移动机器人轮胎牵引力的估计以及基于牵引力估计的在线过程中进行自我监督式的算法优化,能够学习避 - 基于可见性的触觉传感器导航模型
该论文介绍了基于可见性模型的移动机器人感应器的数学模型,可以用于导航、定位和制图等任务,特别是提供了关于触摸传感器的独特优势的特征,为移动机器人传感器融合系统的革新性触发器设计提供基础。
- 结构化室内环境机器人导航的情境图
本论文提出了一种新的实时在线构建的 Situational Graph(S-Graph)方法,将环境的几何,语义和关系维度与机器人姿态结合起来。该方法利用里程计读数和来自 3D LiDAR 扫描的平面表面,构建和优化三层 S-Graph,不 - EagerMOT:通过传感器融合实现的三维多物体跟踪
本文介绍了一种新的多目标跟踪方法 EagerMOT,它使用深度传感器和相机来融合对目标的观察,以实现对移动机器人周围物体在三维空间和时间上的定位,实验表明 EagerMOT 方法在 KITTI 和 NuScenes 数据集上达到了先进水平。
- 自动驾驶用基于地面的单目三维物体检测
通过研究路面对 3D 检测提供的额外信息,提出了一种嵌入式神经网络,能够充分利用这些应用程序特定的先验知识,从而实现使用单个 RGB 摄像机确定环境中对象的位置和方向的三维目标检测。
- 室内场景分析的高效 RGB-D 语义分割
本文介绍了一种使用 NVIDIA TensorRT 进行优化的高效且稳健的 RGB-D 分割方法,该方法可作为场景分析系统的公共初始处理步骤。我们通过使用 ESANet 在 NYUv2 和 SUNRGB-D 室内数据集上进行评估,展示了 R - 使用强化学习在限制的行人环境下实现机器人导航
本文提出了基于强化学习(RL)的方法来解决移动机器人在密闭空间中与行人互动的导航问题,探索了多个场景下训练准则的可复用性,并在两个真实环境的三维重建中表现出了良好的迁移能力。