【AI视野·今日Robot 机器人论文速览 第三十三期】Thu, 21 Apr 2022

AI视野·今日CS.Robotics 机器人学论文速览
Thu, 21 Apr 2022
Totally 13 papers
👉上期速览更多精彩请移步主页

在这里插入图片描述
在这里插入图片描述

Daily Robotics Papers

CALI: Coarse-to-Fine ALIgnments Based Unsupervised Domain Adaptation of Traversability Prediction for Deployable Autonomous Navigation
Authors Zheng Chen, Durgakant Pushp, Lantao Liu
可遍历性预测是自主导航的基本感知能力。不同领域数据的多样性给感知模型的预测性能带来了巨大的差距。在这项工作中,我们通过提出一种新的从粗到细的无监督域适应 UDA 模型 CALI 来努力减少差距。我们的目标是以高数据效率迁移感知模型,消除昂贵的数据标记,并提高从容易获得的源域到各种具有挑战性的目标域的适应过程中的泛化能力。我们证明了粗对准和细对准的组合可以相互有益,并进一步设计了先粗再细对准的过程。这项提议的工作将理论分析和算法设计联系起来,从而产生了一个高效的 UDA 模型,并且训练简单而稳定。我们在几个具有挑战性的领域适应设置中展示了我们提出的模型相对于多个基线的优势。

Assembly Planning from Observations under Physical Constraints
Authors Thomas Chabal, Robin Strudel, Etienne Arlaud, Jean Ponce, Cordelia Schmid
本文解决了使用从单张照片中提取的信息来复制具有已知形状和外观的未知图元组合的问题,该信息通过现成的目标检测和姿势估计程序进行。所提出的算法使用物理稳定性约束、凸优化和蒙特卡洛树搜索的简单组合来将装配计划为由 STRIPS 运算符表示的拾取和放置操作序列。它是有效的,最重要的是,对于任何真实机器人系统中不可避免的目标检测和姿态估计误差具有鲁棒性。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值