48、基于分层规划的数据驱动感知管道合成

基于分层规划的数据驱动感知管道合成

1. 引言

生产环境中的机器人系统需要快速适应新情况和新产品，以实现定制化和短产品周期。机器人感知对环境和任务的变化尤为敏感，传统上，为了找到满足任务精度和速度要求的新系统配置，需要花费大量的时间和精力进行工程设计。

感知工程师通常结合知识和经验，通过反复试验的方法来寻找合适的配置。不同的算法有不同的输出特性，且这些特性还依赖于输入数据的质量。工程师需要了解这些特性，才能选择有前景的感知管道。此外，人类工程师还可以进行分层任务分解，从高层次的决策开始，如传感器选择，并大致估计传感器数据质量下的预期性能。

因此，我们提出并研究了一种将工程知识和经验编码到分层模型中的方法，使分层规划器能够进行基于知识的搜索，以找到合适的配置。本文的主要贡献包括：
- 一个支持分层规划以合成感知管道的分层模型。
- 一种系统处理指标的方法，实现在线规划。
- 一种通过模型校准将工程知识和经验编码到分层模型中的方法。

2. 相关工作

在计算机视觉领域，自动配置或合成问题有着悠久的历史。例如，Radig等人在1992年提出了一个用于自动设计图像理解系统的工具箱，使用FIGURE系统基于知识合成管道；Nagato等人应用遗传编程和分层程序结构，使图像处理管道能够快速适应不断变化的生产环境；Irgendfried等人使用精确的传感器模拟和不确定性量化来实现整个检测系统设计的自动化；Beetz等人的RoboSherlock框架利用非结构化信息管理和本体，基于语义查询生成感知管道。

我们自己的前期工作包括使用单级规划和因子图进行感知系统的自动配置，以及管道和参数的联合优化。