【SLAM】开源 | 基于强化学习(RL)生成故障安全轨迹，显著地提高了SLAM的质量！

获取完整原文和代码，公众号回复：05060632455

论文地址： https://arxiv.org/pdf/1607.07558.pdf

代码： 公众号回复：暂无

来源： TCS Research & Innovation, 卡耐基梅隆大学

论文名称：Learning to Prevent Monocular SLAM Failure using Reinforcement Learning

原文作者：Vignesh Prasad

内容提要

单目SLAM是指在构建环境地图时，使用单个摄像机来估计机器人的自我运动。虽然单目SLAM是一个被深入研究的问题，但通过将其与轨迹规划框架集成来实现单目SLAM的自动化尤其具有挑战性。本文提出了一种基于强化学习(RL)的新公式，它可以生成故障安全轨迹，其中SLAM生成的输出不会很大地偏离其真实值。最典型的是，RL框架成功地学习了感知输入和运动动作之间的复杂关系，并使用这些知识来生成不会导致SLAM失败的轨迹。我们在模拟中系统地展示了当使用RL计算轨迹时，SLAM的质量如何显著提高。我们的方法在模拟和真实的移动机器人实验中有效地跨越了单目SLAM框架。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。