AI视野·今日CS.Robotics 机器人学论文速览
Tue, 8 Jun 2021
Totally 29 papers
上期速览✈更多精彩请移步主页
Tunable Trajectory Planner Using G3 Curves Authors Alexander Botros, Stephen L. Smith 轨迹规划通常用作自动驾驶中当地计划者的一部分。本文考虑了规划固定开始和目标状态之间的连续曲率速率轨迹的问题,这些速度在乘客舒适和旅行时间之间最大限度地减少可调谐贸易。问题是两个连续函数的无限尺寸优化的实例,路径和速度分布。我们提出了简化了这个问题的这个问题,这有助于两种功能的离散化。本文还提出了一种方法来基于单个调谐参数在曲率的第二导数基于单个调谐参数在开始和目标状态之间快速产生最小长度路径。此外,我们将沿着定向路径分散到沿路径的选择加速度点的选择。然后采用梯度下降以使成本最小化在曲率的第二导数的可行选择,以及加速方式点,导致一种方法,该方法以迭代方式重复解决路径和速度谱。提供了数值例子以说明所提出的方法的益处。 |
Towards a Multi-purpose Robotic Nursing Assistant Authors Krishna Chaitanya Kodur, Kaustubh Rajpathak, Akilesh Rajavenkatanarayanan, Maria Kyrarini, Fillia Makedon 机器人护理援助是现在是机器人的重大研究领域之一。存在几种机器人助理,只关注与护士援助或与患者援助有关的职能相关的特定职能。需要一个统一的系统,不仅执行将帮助护士和减少负担的任务,而且还执行帮助患者的任务。最近,由于Covid 19大流行,还需要增加具有漫步能力的机器人助剂,以提供更好的防止病毒传播的保护。为了解决这些要求,我们提出了一种新型多功能智能护士援助MINA机器人系统,能够向患者提供步行辅助,并使用易于使用和直观的图形用户界面GUI进行遥操作任务。本文还介绍了步行助理任务的初步结果,该任务可以改善现有技术的现有状态,并显示出用于漫步的发发的GUI。 |
Hierarchical Robot Navigation in Novel Environments using Rough 2-D Maps Authors Chengguang Xu, Christopher Amato, Lawson L.S. Wong 在机器人导航中,概括到看不见的环境是必不可少的。已经提出了由人类导航启发的分层方法,通常由高级地标提出者和低级控制器组成。然而,这些方法要么需要预先给予精确的高级信息,要么需要从与环境的广泛互动构建这种指导。在这项工作中,我们提出了一种利用环境的粗糙2 D地图的方法,以在新的环境中导航而不需要进一步学习。特别地,我们介绍了一种动态拓扑图,可以从粗糙的2D地图初始化,以及高级计划方法,用于提出开始和目标位置之间的中间地标的可达2D地图补丁。为了使用提议的2 D补丁,我们训练深度生成模型,在观察空间中产生中间地标,这些地标在低级目标调节增强学习中用作子地板。重要的是,因为低级控制器仅培训,所以局部行为训练。跨越十字路口,在现有环境的一个角落左转,这个框架允许我们概括为只有一个粗略的2 d地图给出的新颖环境,而无需进一步学习。实验结果表明,所见和新颖环境中提出的框架的有效性。 |
Cost-effective Mapping of Mobile Robot Based on the Fusion of UWB and Short-range 2D LiDAR Authors Ran Liu, Yongping He, Chau Yuen, Billy Pik Lik Lau, Rashid Ali, Wenpeng Fu, Zhiqiang Cao 环境映射是移动机器人执行不同任务等导航和任务规划的必要先决条件。随着低成本2D LIDARS的可用性,在工业环境中的2D Lidars越来越多的应用。然而,环境映射在未知和特征较少的环境中,具有如此低的成本2D LIDARS仍然是一个挑战。挑战主要来自在这些环境中执行扫描匹配时的潮流和复杂性的短程。为了解决这些缺点,我们建议将超宽带UWB与2D LIDARS融合,以提高移动机器人的映射质量。基于优化的方法用于UWB测距信息的融合和径管首先优化轨迹。然后结合了基于LIDAR的循环闭合,以提高轨迹估计的准确性。最后,优化的轨迹与LIDAR扫描相结合,以产生环境的占用图。在室内特征中评估所提出的方法的性能较少的环境,尺寸为20米20米。获得的结果表明,所提出的方案的映射误差是85.5的常规GMAPPAP算法,例如Hokuyo URG 04LX在我们的实验中,最大范围为5.6米。 |
Inferring Objectives in Continuous Dynamic Games from Noise-Corrupted Partial State Observations Authors Lasse Peters, David Fridovich Keil, Vicen Rubies Royo, Claire J. Tomlin, Cyrill Stachniss 机器人和自治系统必须互相互动及其环境,为其用户提供高质量的服务。动态博弈论提供了一种表现型理论框架,用于建模涉及多个代理的场景,其中不同的目标随时间交互。制定动态游戏时的核心挑战是为捕获所需行为的每个代理设计目标。在本文中,我们提出了一种基于观察到的相互作用来推断出多种试剂的参数物镜型号的方法。我们的逆游戏求解器通过纳入均衡约束耦合来联合优化播放器目标和连续状态估计。因此,我们的方法能够直接最大化观察可能性而不是其他非概率替代标准。我们的方法不需要完全观察游戏国家或球员策略来识别球员目标。相反,它强大地从嘈杂,部分状态观察中恢复了这些信息。作为估计玩家目标的副产品,我们的方法计算与这些目标相对应的纳什均衡轨迹。因此,它适用于下游轨迹预测任务。我们在若干模拟流量方案中展示了我们的方法。结果表明,它可靠地估计来自单个短序列的噪声,部分观察到的相互作用的球员目标。此外,使用估计的目标,我们的方法可以准确地预测每个玩家的轨迹。 |
Robotic Electrospinning Actuated by Non-Circular Joint Continuum Manipulator for Endoluminal Therapy Authors Zicong Wu, Chuqian Lou, Zhu Jin, Shaoping Huang, Ning Liu, Yun Zou, Mirko Kovac, Anzhu Gao, Guang Zhong Yang 由于其产生的微纳米纤维结构,静电纺丝表现出优异的益处来治疗组织工程的创伤。它可以有效地粘附到组织表面以进行长期连续治疗。本文开发了用于内肺治疗的机器人静电纺丝平台。该平台包括连续管道,静电纺丝装置和致动单元。连续箱操纵器具有两个弯曲部分,以便于尖针转向以可控旋转方向。仔细设计非圆形关节轮廓,以使连续式操纵器的中心线的恒定长度能够稳定地传输。实验在支气管幻影上进行,并且还研究了每个方向上的转向能力和弯曲限制。腔内静电纺丝也通过轨迹之后实现,并靶向实验。还示出了产生的纤维的有效粘合面积。所提出的机器人静电纺丝显示其可行性,以精确地涂布更多的治疗药物来构建纤维结构以用于潜在的内橄榄肿瘤处理。 |
On Healthcare Robots: Concepts, definitions, and considerations for healthcare robot governance Authors Eduard Fosch Villaronga, Hadassah Drukarch 虽然医疗保健是一个非常敏感的应用领域,但对世界的直接控制的系统可能会导致人类不一定纠正或监督的方式造成伤害,但尚不清楚医疗保障机器人目前是否受到监管或应受到监管。现有规则主要是没有准备好的为这种快速发展的领域提供指导,并容纳依赖机器学习和AI的设备。此外,医疗机器人技术领域非常丰富,广泛,但在定义,医疗和技术分类,产品特征,目的和预期用途方面仍然是非常分散的。结果,这些设备经常在医疗设备调节或其他非医学规范之间导航,例如ISO个人护理标准。在规范医疗机器人领域之前,因此必须在医疗机器人,能力和应用程序中映射艺术发展的主要状态,以及我们面临的挑战,因为他们在医疗保健环境中的整合。 |
Real-time Identification and Tuning of Multirotors Based on Deep Neural Networks for Accurate Trajectory Tracking Under Wind Disturbances Authors AbdulAziz Y. AlKayas, Mohamad Chehadeh, Abdulla Ayyad, Yahya Zweiri 多电流无人机的高性能轨迹跟踪无人机是一种快速增长的研究区,因为受欢迎程度和需求的增加。在许多应用中,多电机UAV动态将在飞行中发生变化,导致性能下降,甚至不稳定性,使得控制系统需要将其参数调整为新动态。在本文中,我们开发了一种基于深神经网络DNN和改进的中继反馈测试MRFT的实时识别方法,以最佳地调谐PID控制器,适用于攻击性轨迹跟踪。我们还提出了反馈线性化技术以及额外的前馈术语来实现高轨迹跟踪性能。此外,我们还调查和分析位置控制器的不同PID配置,以最大化风干和系统参数变化中的跟踪性能,并提供系统的设计方法,以促进鲁棒性的性能。我们通过一系列实验证明了我们开发方法的有效性和适用性,尽管对无人机空气动力学特性和外风的应用重大变化,但是维持了准确的轨迹跟踪。我们在模拟和实验结果之间展示了低差异,证明了使用建议的规划和故障检测任务的方法。实现图8轨迹的实现跟踪结果与现有技术相提并论。 |
Multi-goal path planning using multiple random trees Authors Jaroslav Jano , Vojt ch Von sek, Robert P ni ka 在本文中,我们提出了一种基于新的采样计划,用于障碍物的多目标路径规划,其中目标是在最小化旅行成本的同时访问预定义的目标位置。通过解决旅行推销员问题TSP或其变体来常常实现访问目标的顺序。 TSP要求在具有障碍物的地图中定义各个目标之间的成本需要计算目标之间的相互路径。通过路径规划发现的这些路径,用于定义成本例如,基于它们的长度或时间来遍历,并且它们还定义了最终解决方案中使用的路径。为了使TSP找到一个很好的质量解决方案,有必要将这些目标找到尽可能短的目标路径。我们提出了一个叫做空间填充林SFF的采样的计划者,解决了发现自由路径的一部分。 SFF使用逐渐构建的多个树林,同时从目标逐渐和同时构建,并试图找到与其他树木的连接以形成路径。与快速探索随机树RRT不同,它使用最近的邻居规则选择用于扩展的节点,SFF维护一个显式节点列表以进行扩展。单个树木以RRT方式生长,即,通过重新挖掘节点以最大限度地减少其成本。计算结果表明,SFF为目标路径提供比现有方法更短的目标,因此,最终的TSP解决方案也具有较低的成本。 |
Terrain Adaptive Gait Transitioning for a Quadruped Robot using Model Predictive Control Authors Prathamesh Saraf, Abhishek Sarkar, Arshad Javed 腿机器人可以遍历具有挑战性的地形,使用感知来规划安全的立足点,并导航环境。此类独特的移动性能力使这些平台成为搜索和救援,检查和探索任务等方案的完美候选者。在遍历这样的地形时,机器人的不稳定是一个重要的问题。机器人多次需要根据其环境切换Gaits。由于二次多数机器人的复杂动态,经典PID控制不能提供高稳定性。因此,需要一种高级控制方法,如模型预测控制MPC,它使用系统模型和地形的性质,以预测机器人的稳定体姿势。控制器还向任何导致机器人所需行为的变化的任何外部干扰提供校正。 MPC控制器采用MATLAB设计,适用于全身扭矩控制。在博彩模拟器中的波士顿动力学点验证了控制器性能。机器人能够为外部扰动提供校正,最高可达150 n,并且还抵抗抵抗到80厘米。 |
FACT: A Full-body Ad-hoc Collaboration Testbed for Modeling Complex Teamwork Authors Gopika Ajaykumar, Annie Mao, Jeremy Brown, Chien Ming Huang 可以设想机器人,以便在申请中与人类一起工作,从家庭援助到协同制造。人体机器人协作HRC的研究有助于制定机器人参与与人类有效,流体合作所需的社会智力所需的各个方面。然而,HRC研究专注于人和机器人之间的二元,结构化和最小的合作,这可能无法完全代表更复杂,非结构化的协作活动的大规模和紧急性质。因此,仍然需要研究人员可以用来更好地模范自然,临时人类协作行为和为大规模紧急合作的机器人能力来利用的共享测试平台,数据集和评估度量。我们提出了一个这样的共享资源事实完整的身体临时协作测试平台,一个公开访问的测试台,用于研究人员,以获得涉及复杂的CO位于团队合作的个人和团队的行为的广泛视图。我们详细介绍了与各种规模团队的初步探索的观察,并讨论可能使用测试平台调查的潜在研究问题。我们的目标是成为一个初步资源,支持更全面调查人类机器人协作。 |
Stein ICP for Uncertainty Estimation in Point Cloud Matching Authors Fahira Afzal Maken, Fabio Ramos, Lionel Ott 点云匹配中的不确定性的量化在许多任务中是关键的,例如姿势估计,传感器融合和抓握。迭代最近点ICP是一种常用的姿势估计算法,它提供了两个点云之间的变换的点估计。在该过程中存在许多不确定性来源,这可能由于传感器噪声,模糊的环境和遮挡而产生。然而,对于自主驾驶等安全关键问题,姿势变换的点估计是不提供关于多解决方案的信息的点估计。目前的概率ICP方法通常不会捕获所有不确定性来源,并且可以提供不可靠的变换估计,这可能对使用此信息的状态估计或决策任务具有不利影响。在这项工作中,我们提出了一种新的算法来对齐两个点云,可以精确地估计ICP S变换参数的不确定性。我们开发了基于ICP S成本函数的基于梯度优化的Stein变分推理框架。该方法提供了对变换的非参数估计,可以模拟复杂的多模态分布,并且可以在GPU上有效地并行化。使用3D Kinect数据以及稀疏室内户外激光雷达数据的实验表明,我们的方法能够有效地生产准确的构成不确定性估计。 |
PYROBOCOP : Python-based Robotic Control & Optimization Package for Manipulation and Collision Avoidance Authors Arvind U. Raghunathan, Devesh K. Jha, Diego Romeres Pyrobocop是一种基于轻量级的Python基于非线性差分代数等级描述的机器人系统的封装。特别地,该包可以处理具有通过互补约束描述的触点的系统,并提供用于指定障碍物避免约束的一般框架。通过在有限元上执行正交搭配,该包装通过在有限元上执行正交搭配来执行Daes的直接转录。由此产生的优化问题属于具有互补限制MPCC的数学程序类别。 MPCCS未能满足常用的约束资格,并且需要特殊处理互补限制,以便非线性计划NLP求解器有效地解决它们。 Pyrobocop提供了自动重整互补限制,使得NLP求解器能够进行机器人系统的优化。该包与ADOLC接口,以通过自动分化和IPOPT获得稀疏导数以进行优化。我们在速度和灵活性方面展示了我们的方法的有效性。我们为几个具有碰撞避免的机器人系统提供了几个数值示例以及使用互补限制表示的接触约束。我们提供与Casadi和PyoMo等其他开源优化包的比较。 |
Collective transport via sequential caging Authors Vivek Shankar Vardharajan, Karthik Soma, Giovanni Beltrame 我们提出了一种分散的算法来协作使用一群机器人协作任意形状的物体。我们的方法从任务分配相开始,任务分配阶段顺序地分配从一个种子机器人开始传输的对象的位置,从而首次与对象接触。我们的方法不需要先前的对象形状的知识,以确保CAIP。要将对象推向目标位置,我们估计基于目标和对象之间的角度差异在对象上施加力所需的机器人。在运输过程中,机器人遵循一系列中间目标位置,指定该位置处的物体所需的姿势。我们使用三个通用路径在基于物理模拟器中评估我们的方法,最多可机器人。使用一组Kheperaiv机器人的实验证明了我们在真实环境中的方法的有效性。 |
Planning Multimodal Exploratory Actions for Online Robot Attribute Learning Authors Xiaohan Zhang, Jivko Sinapov, Shiqi Zhang 机器人经常需要感知对象属性,例如红色,重和空,使用多模式探索操作,如外观,升力和摇动。机器人属性学习算法旨在为每个可感知的属性学习观察模型,因为探索性行为。一旦学习了属性模型,它们就可以用来识别新对象的属性,回答问题,例如这种对象红色和空的属性学习和识别被视为文献中的两个单独问题。在本文中,我们首先在RAL上定义称为在线机器人属性学习的新问题,其中机器人同时适用于属性学习和属性识别。然后,我们开发一种称为信息理论奖励的算法,塑造ITRS,它积极解决勘探和剥削之间的贸易问题。将ITRS与竞争力的机器人属性学习基线进行比较,实验结果表明ITRS在学习效率和识别准确性方面的优势。 |
Distributed Task Allocation in Homogeneous Swarms Using Language Measure Theory Authors Devesh K. Jha 在本文中,我们提供了用于合成控制器的算法,以分配组的均匀机器人在并联操作的异质任务中的均匀机器人。我们提供算法以及对群体的全局和本地反馈的控制器分析。使用Irreafible Markov链的ergodicity属性,我们设计了全球群体控制的控制器。此外,为了为代理提供一定程度的自主权,我们通过使用语言测量理论通过基于局部反馈的控制器增强了该全局控制器。我们提供了对所提出的算法的分析,以表达其正确性。示出了数值实验来说明所提出的算法的性能。 |
Design of hazard based model and collision avoidance system Authors Md Faysal Kabir, Sahadev Roy 本文的主要目标是在超越时期检查摩托车手的活动,以及开发总共超车时间的模型。对于实验研究,使用仪表摩托车来收集数据和设计整体超越时期模型。在尝试超车期间死亡的可能性最多用于在农村道路上行走的人,主要通过途径和较高的车辆速度来确定。重要的是要在超车期间识别和原型驱动器动作,以建立碰撞避免策略以防止这些碰撞,使得设备调节是可以接受的,因为它们发生在驱动器的舒适区之外。本研究的目的是解决沿着城市道路的车辆超车运动,并开发碰撞系统。本研究基于进行的测试和仪器驾驶信息,可能导致发现高级驾驶辅助系统,在超车期间分析驾驶员行为。共有500个超车运动,使用50辆摩托车设置,使用高分辨率摄像头和GPS系统,由印度50个专业骑自行车的人以一个不可分割的单向道路。基于视频和GPS分析,开发了一种技术来收集解释摩托车手的动作的数据。使用基于风险的模型设计了整体超越时期,该模型表示基于几个系数的超车跨度。该拟议模型可用于分析超车运动期间的行为,以及开发道路和车辆安全系统,以减少事故的机会。 |
Brno Urban Dataset: Winter Extention Authors Adam Ligocki, Ales Jelinek, Ludek Zalud 自主驾驶的研究急剧推进,需要进一步进步的新数据和技术。为了反映这一压力,我们展示了我们最近的Brno Urban DataSet Bud的工作。新数据专注于各种雪覆盖环境中的冬季条件,并为车辆前方的物体检测提供额外的激光雷达和雷达传感器。改进也影响了旧数据。我们为DataSet中的所有旧RGB图像提供YOLO检测注释。检测还通过我们的原始算法转移到由热相机捕获的红外红外图像中。为了我们的最佳知识,它使这个数据集是当前可用的带注释热图像的最大机器源。 DataSet在MIT许可证下发布 |
A Split-face Study of Novel Robotic Prototype vs Human Operator in Skin Rejuvenation Using Q-switched Nd:Yag Laser: Accuracy, Efficacy and Safety Authors Si Un Chan, Cheong Cheong Ip, Chengxiang Lian, Muhammad Muddassir, Domingo Gomez Dominguez, Wai Kit Ming, Jianhao Du, Yue Zheng, David Navarro Alarcon, Lie Hua Deng 背景技术涉及皮肤激光的机器人技术正在出现。目的比较肤色激光运转性能中新型机器人原型的准确性,疗效和安全性。方法重读17项受试者的课程,比较分脸试验。 Q开关由机器人原型传导的1064nm激光器在脸部的右侧设置,由左侧的专业从业者提供。每个受试者经历一次一段时间,一个通过,在额头和脸颊的相同面积上的非重叠处理。客观评估包括治疗持续时间,激光照射拍摄,激光覆盖百分比,视觉参数,皮肤温度和VAS疼痛量表。结果机器人操纵器的平均时间比人类操作员更长,两侧的平均辐射射击数量没有显着差异。机器人操纵器60.2 15.1的激光覆盖率大于人体操作员43.6 12.9。 visia参数在机器人操纵器和人类运营商之间没有显着差异。没有观察到短期或长期副作用,最大VAS得分为1点。限制仅进行了一个激光处理部分。结论采用新型机器人原型的激光操作更可靠,稳定,准确于人工操作。 |
Trajectory Optimization of Chance-Constrained Nonlinear Stochastic Systems for Motion Planning and Control Authors Yashwanth Kumar Nakka, Soon Jo Chung 我们呈现GPC SCP广义多项式混沌的顺序凸编程方法,计算连续时间几阶段的副最优解压缩随机非线性最优控制问题SNOC问题。该方法能够在不确定性下实现机器人系统的运动规划和控制。所提出的方法涉及两个步骤。第一步是通过使用GPC扩展和机会约束的分布稳健的凸子集来得出确定性非线性最佳控制问题DNOC。第二步是使用顺序凸编程SCP解决DNOC问题,用于轨迹生成和控制。我们证明,在不受约束的情况下,DNOC的最佳值会聚到SNOC渐近的那个,并且受约束的DNOC的任何可行解决方案是机会限制SNOC的可行解决方案。我们使用GPC SCP推出了一个稳定的随机模型预测控制器,用于在存在不确定性的情况下跟踪轨迹。我们经验证明了GPC SCP方法对以下三个测试用例的效果1在致动中的不确定度下的碰撞检查,2碰撞检查随机障碍模型,以及使用后退地平线的动态和障碍位置的不确定性下的3个安全轨迹跟踪控制方法。我们验证了GPC SCP方法对机器人航天器试验台的有效性。 |
Motion Planning Transformers: One Model to Plan Them All Authors Jacob J. Johnson, Linjun Li, Ahmed H. Qureshi, Michael C. Yip 变压器已成为自然语言处理的强大,最近发现在计算机视觉任务中使用。他们的有效使用注意也可以在其他环境中使用,并且在本文中,我们提出了一种基于变压器的方法,用于有效解决复杂的运动计划问题。基于传统的基于神经网络的运动计划使用卷积网络来编码计划空间,但这些方法仅限于固定地图大小,这在现实世界中通常不会逼真。我们的方法首先使用变压器识别地图上的区域,以便注意可能包含最佳路径的地图区域,然后应用本地规划仪以生成最终的碰撞无线路径。我们在具有不同地图大小的各种随机生成的环境中验证了我们的方法,展示了规划复杂性和对传统规划者的可比准确性的降低。 |
Negotiation-Aware Reachability-Based Safety Verification for AutonomousDriving in Interactive Scenarios Authors Ran Tian, Anjian Li, Masayoshi Tomizuka, Liting Sun 在开发自动驾驶技术时,安全保证是一个关键而具有挑战性的方面。 Hamilton Jacobi向后达性分析是一个正式的验证工具,用于验证动态系统在存在下的动态系统。然而,由于其对人类行为的最坏情况,因此标准方法过于保守,以适应自动驾驶应用,因为它对人类行为中的最坏情况是,防范最坏情况结果。在这项工作中,我们将基于学习的预测算法和游戏理论人身行为模型集成在线更新后退落后性分析的保守性。我们使用实际驾驶数据评估我们的方法。结果表明,具有对人类行为的合理假设,我们的方法可以有效降低标准方法的保守性,而不会牺牲其安全验证能力。 |
Towards robust and domain agnostic reinforcement learning competitions Authors William Hebgen Guss, Stephanie Milani, Nicholay Topin, Brandon Houghton, Sharada Mohanty, Andrew Melnik, Augustin Harter, Benoit Buschmaas, Bjarne Jaster, Christoph Berganski, Dennis Heitkamp, Marko Henning, Helge Ritter, Chengjie Wu, Xiaotian Hao, Yiming Lu, Hangyu Mao, Yihuan Mao, Chao Wang, Michal Opanowicz, Anssi Kanervisto, Yanick Schraner, Christian Scheller, Xiren Zhou, Lu Liu, Daichi Nishio, Toi Tsuneda, Karolis Ramanauskas, Gabija Juceviciute 强化学习竞赛已经形成了标准研究基准的基础,最先进的镀锌进步,并形成了该领域的方向。尽管如此,大多数挑战都遭受了相同的基本问题,参与者对构成的挑战的解决方案通常是特定的域,偏向最大限度地利用计算资源,而不能保证可重复。在本文中,我们展示了一个新的竞争设计框架,促进了克服这些障碍的算法的发展。我们提出了四种核心机制,可通过域混淆实现这一最终提交培训,域随机化,去缺陷,以及竞争计算和环境预算的限制。为了展示这种设计的功效,我们提出,组织,并在越来越高效的加强学习中进行了迷人2020年竞争。在这项工作中,我们描述了竞争的组织结果,并表明所产生的参与者提交是可重复的,非特定于竞争环境,以及其他竞争任务的资源效率。 |
Effect of Adaptive and Fixed Shared Steering Control on Distracted Driver Behavior Authors Zheng Wang, Satoshi Suga, Edric John Cruz Nacpil, Bo Yang, Kimihiko Nakano 司机分心是全世界交通碰撞的众所周知的原因。研究表明,共用转向控制,积极提供方向盘上的触觉引导扭矩,有效提高了分散的驱动器的性能。最近,已经开发了基于驾驶员的生理状态的自适应共享转向控制,尽管其对分散的驾驶员行为的影响尚不清楚。为此,进行了高保真驾驶模拟器实验,涉及执行双车道变化的18名参与者。实验条件包括两个司机状态的关注和分心。根据每个条件,根据从驾驶员的前臂表面肌电图的反馈,对三种类型的触觉引导无手动,固定权限和自适应机构进行评估。评估结果表明,对于细心和分心的司机来说,具有自适应管理局的触觉指导会产生较低的驾驶员工作量,并且减少车道偏离风险,而不是手动驾驶和固定权限。此外,分散注意力的驾驶员倾向于减少方向盘上的抓地力,以遵循具有固定机构的触觉引导,导致双车道变化持续时间相对较短。 |
An Adaptive Framework for Learning Unsupervised Depth Completion Authors Alex Wong, Xiaohan Fei, Byung Woo Hong, Stefano Soatto 我们提出了一种方法来从彩色图像和相关的稀疏深度测量推断密集深度图。我们的主要贡献在于设计退火过程,用于确定CO可见性闭塞,脱胶和正规化程度,以施加模型。我们表明,正规化和CO可见性通过模型的适应性剩余与数据的健身残留相关,两者都可以统一到一个框架中以改善学习过程。我们的方法是通过在每个训练步骤中测量每个训练步骤的每个像素位置来指导优化优化的自适应加权方案,用于估计软可见性掩模和确定正则化量。我们通过将其应用于最近的一些无监督的深度完成方法并在公共基准数据集上提高其性能,而不会展示我们的方法,而不会产生额外的培训参数或推理时间增加。可用的代码 |
Learning Topology from Synthetic Data for Unsupervised Depth Completion Authors Alex Wong, Safa Cicek, Stefano Soatto 我们通过利用合成数据来介绍从图像和稀疏深度测量的推断密集深度映射的方法,以学习稀疏点云与密集的自然形状,并使用图像作为证据验证预测深度图的证据。我们在自然形状之前的学到使用仅使用稀疏深度作为输入,而不是图像,因此在尝试将学习模型从合成数据转移到真实的时,该方法不受协变量的影响。这使我们能够使用与地面真相的丰富的合成数据来学习重建过程的最困难的组件,即拓扑估计,并使用图像基于光度证据来改进预测。我们的方法使用比以前的方法更少的参数,但是,在室内和室外基准数据集中实现了最先进的技术。可用的代码 |
Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles Authors Sagar Dasgupta, Mizanur Rahman, Mhafuzul Islam, Mashrur Chowdhury 在本研究中,提出了一种基于传感器融合的GNSS欺骗攻击检测框架,其包括三个并发策略,用于自主车辆AV I预测的位置移位,II检测左或右侧的匝数,以及III识别包括静止状态的运动状态。来自车辆传感器中的多个低成本的数据,即加速度计,转向角传感器,速度传感器和GNSS被融合并馈入反复性神经网络模型,这是一个长的短期内存LSTM网络,用于预测位置偏移,即AV在两个连续时间戳之间行驶的距离。然后,我们已经组合了K最近邻居K NN和动态时间翘曲DTW算法以使用来自转向角传感器的数据来检测转弯。另外,来自AV S速度传感器的数据用于识别包括静止状态的AV S运动状态。为了证明基于传感器融合的攻击检测框架的功效,通过转弯,过冲和停止使用公开的现实世界本田研究所驾驶数据集HDD来创建攻击数据集。驾驶数据集HDD,创建了三个独特和复杂的欺骗攻击。我们的分析表明,基于传感器融合的检测框架成功地检测到所需计算延迟阈值内的所有三种类型的欺骗攻击。 |
Spectral Temporal Graph Neural Network for Trajectory Prediction Authors Defu Cao, Jiachen Li, Hengbo Ma, Masayoshi Tomizuka 有效地理解周边代理的上下文环境和准确的运动预测对于自主车辆和社会移动机器人的发展至关重要。这项任务是具有挑战性,因为自主代理的行为不仅受到自己的意图影响,而且由静态环境和周围的动态交互代理的影响。以前的作品专注于利用时域中的空间和时间信息,同时不充分利用频域中的线索。为此,我们提出了一种光谱时间图神经网络SpectGnn,除了时域之外,可以在频域中同时捕获代理相关的相关性和时间依赖性。 Spectgnn在具有动态状态信息的代理图和环境图中运行,其中包含从两个流中的上下文图像中提取的功能。该模型集成了图形傅里叶变换,光谱图卷积和时间门控卷积,以编码历史信息和预测未来轨迹。此外,我们纳入了多头时空关注机制,以减轻误差传播在很长的时间范围内的影响。我们展示了Spectgnn对两个公共轨迹预测基准数据集的性能,这在预测准确性方面实现了最新性能的状态。 |
SpikePropamine: Differentiable Plasticity in Spiking Neural Networks Authors Samuel Schmidgall, Julia Ashkanazy, Wallace Lawson, Joe Hays 已经证明了尖刺神经元之间发生的突触疗效的适应性变化,以在学习生物神经网络时发挥关键作用。尽管这一来源的灵感来源,但许多学习使用尖刺神经网络的专注应用程序保留了静态突触连接,防止了初始训练期后的额外学习。在这里,我们介绍了一种框架,同时通过梯度下降来同时学习潜在的固定重量和控制SNN中的突触可塑性和神经调节突触可塑性的动态的规则。我们进一步展示了该框架在一系列具有挑战性的基准上的能力,学习了几种可塑性规则的参数,包括BCM,OJA S及其各自的神经调节变体。实验结果显示,SNNS以可微差的可塑性增强,足以解决一系列挑战性的时间学习任务,即使在存在显着噪音的情况下也能够解决传统的SNN。这些网络也被证明能够在高维机器人学习任务上产生运动,其中在初始训练期间未见的新条件存在下观察到性能的近乎劣化。 |
Chinese Abs From Machine Translation |
Papers from arxiv.org
更多精彩请移步主页
pic from pexels.com