【AI视野·今日Robot 机器人论文速览 第十九期】Mon, 5 Jul 2021

AI视野·今日CS.Robotics 机器人学论文速览
Mon, 5 Jul 2021
Totally 23 papers
👉上期速览✈更多精彩请移步主页

Daily Robotics Papers

ReQuBiS -- Reconfigurable Quadrupedal-Bipedal Snake Robots Authors Harshad Zade, Aadesh Varude, Karan Pandya, Ajinkya Kamat, Shital Chiddarwar, Rohan Thakker 机器人导航的移动模式选择包括各种贸易差异。蛇机器人非常适合穿过约束环境，如管道，杂乱和粗糙的地形，而双面机器人更适合楼梯等结构环境。最后，四足机器人比Biped更稳定，并且可以携带较大的有效载荷，而不是蛇和奶嘴，但努力导航软土，沙子，冰和约束环境。可重新配置的机器人可以实现所有世界的最佳。不幸的是，最先进的可重构机器人通过复杂机制来依赖于模块的重新排列，以在不同的地方传播和组装，增加尺寸，重量和功率交换要求。我们提出可重新配置的四桥双面蛇机器人欧元栏，这可以在移动模式之间转换而不重新排列模块。因此，只需要一个修改机制。此外，我们的设计允许机器人分成两个代理，以便并行执行任务，以便对Biped和Snake移动性并行。实验结果表明，蛇，四足和Biped模式和它们之间的转换中的这些移动性能力。

Decision-Making Technology for Autonomous Vehicles Learning-Based Methods, Applications and Future Outlook Authors Qi Liu, Xueyuan Li, Shihua Yuan, Zirui Li 自治车辆在公民和军事领域的应用中具有巨大潜力，并已成为科学和经济快速发展研究的重点。本文建议简要介绍基于学习的自治车辆决策技术，因为自动车辆的更安全和高效性能是重要的。首先，提供了决策技术的基本轮廓。其次，关于基于学习的自治车辆决策方法的相关工作主要是与经典决策方法的比较综述。此外，总结了在现有的自治车辆中的决策方法的应用。最后，预示着未来关于自治车辆决策技术的研究的研究主题是展望的。

RMQFMU: Bridging the Real World with Co-simulation Technical Report Authors Mirgita Frasheri, Henrik Ejersbo, Casper Thule, Lukas Esterle 在本文中，我们为RMQ FMU，即插即用工具提供了一个经验报告，即使基于AMQP协议将数据从基于FMI2的CO仿真环境供给到FMI2的CO仿真环境。

Brain over Brawn -- Using a Stereo Camera to Detect, Track and Intercept a Faster UAV by Reconstructing Its Trajectory Authors Antonella Bari i , Frano Petric, Stjepan Bogdan 本文提出的工作展示了我们拦截较快的入侵者无人机的方法，受到MBZIRC2020挑战的启发。通过利用入侵者轨迹的形状的知识，我们能够计算拦截点。目标跟踪基于YOLOV3微型卷积神经网络的图像处理，使用Gimbal安装的ZED迷你立体声相机结合深度计算。我们使用来自zed mini的RGB和深度数据来提取目标的3D位置，我们设计了基于深度的处理的直方图以降低噪声。获得了目标S位置的3D测量来计算图八个形状轨迹的位置，方向和尺寸，我们近似使用Bernoulli的Lemniscate。一旦近似被认为足够精确的，通过测量之间的Hausdorff距离和近似测量，计算拦截点以将拦截UAV靠在目标的路径上定位。基于MBZIRC竞争期间聚集的经验的提出方法已经在模拟和现场实验中得到了显着改善。结果证实，已经开发了一种有效的视觉感知模块，其提取与目标UAV的运动相关的信息作为拦截的基础。该系统能够跟踪和拦截大多数模拟实验中的拦截器30的目标。非结构化环境中的测试产生了9种成功结果中的9个。

POMP++: Pomcp-based Active Visual Search in unknown indoor environments Authors Francesco Giuliari, Alberto Castellini, Riccardo Berra, Alessio Del Bue, Alessandro Farinelli, Marco Cristani, Francesco Setti, Yiming Wang 在本文中，我们专注于在在线在线学习的问题，以在未知的室内环境中的活动视觉搜索AV的最佳策略。我们提出了庞培，这是一种规划战略，介绍了在经典部分可观察到的蒙特卡罗规划POMCP框架上的新型制定，以允许在未知环境中进行培训在线政策学习。我们提出了一种新的信仰重新侵犯策略，允许使用POMCP具有动态增长的状态空间来解决地板地图的在线生成。我们在两个公共基准数据集中评估我们的方法，由真正的机器人平台和从真实3D场景扫描呈现的栖息地对象，从而实现了最佳成功率，在最先进的方法中提高了10个。

Cooperative Autonomous Vehicles that Sympathize with Human Drivers Authors Behrad Toghi, Rodolfo Valiente, Dorsa Sadigh, Ramtin Pedarsani, Yaser P. Fallah 在制定解决方案的情况下，自动车辆的广泛采用不会成为现实，使这些智能代理能够与人类存在于共存。这包括安全有效地与人类驱动的车辆进行互动，特别是在互联和竞争方案中。我们建立了关于社会意识导航的事先工作，并从心理学中借用社会价值取向的概念，该心理学形式旨在为一个人分配给他人的福利的重要性，以便在自动驾驶中诱导利他行为。与现有的作品相比，明确地模拟人类司机的行为并依靠他们的预期响应来创造合作机会，我们的同情合作驾驶Sydcodrive范式训练利他代理商，在竞争激烈的驾驶场景中只能从经验学习中实现安全和平稳的交通流量。没有任何明确的协调。由于这种利他行为，我们展示了安全性和交通级别度量的重大改善，并且重要的是得出结论，代理中的利他主义程度需要适当调整作为过于利他主义的代理也导致次最优交通流量。代码和补充材料可供选择

F-LOAM: Fast LiDAR Odometry And Mapping Authors Han Wang, Chen Wang, Chun Lin Chen, Lihua Xie 同时本地化和映射SLAM具有广泛的机器人应用，如自主驾驶和无人驾驶飞行器。计算效率和本地化精度都非常重要，对良好的猛力系统很重要。基于LIDAR的SLAM上的现有工作通常会为两个模块扫描扫描匹配和扫描来映射到映射细化的问题。两个模块通过迭代计算解决，该计算是计算昂贵的。在本文中，我们提出了一种旨在为基于Lidar的Slam提供计算有效和准确的框架。具体地，我们采用了不迭代的两级失真补偿方法来降低计算成本。对于每个扫描输入，分别提取边缘和平面特征并与本地平面映射匹配，其中局部平滑度也被认为是迭代姿态优化。进行彻底的实验以评估其在具有挑战性的情况下的性能，包括仓库自动导向车辆AGV和自动驾驶的公共数据集的本地化。该方法在公共数据集评估中实现了具有超过10 Hz的竞争本地化准确性，在实际应用的性能和计算成本之间提供了良好的折衷。

A Levy Flight based Narrow Passage Sampling Method for Probabilistic Roadmap Planners Authors Shubham Shukla, Lokesh Kumar, Titas Bera, Ranjan Dasgupta 基于采样的概率路线图规划者PRM已经成功地在具有更高程度的自由度的机器人的运动规划中，但可能无法捕获具有临界窄通道的情景中的配置空间的连接。在本文中，我们展示了一种基于征税航班的新技术，以在配置空间的窄区域生成键样本，当与PRM相结合，提高了规划师的完整性。当与纯无随机播放的方法相比，该技术以最小的附加计算的牺牲基本上提高了样本质量，然而，在碰撞呼叫的数量，计算开销和样本质量方面，仍然优于所艺术随机桥建筑方法的状态。 。该方法对与窄通道结构相关的参数的变化是鲁棒的，因此提供了额外的一般性。提出了许多2D运动计划模拟，其显示了该方法的有效性。

Target-dependent UNITER: A Transformer-Based Multimodal Language Comprehension Model for Domestic Service Robots Authors Shintaro Ishikawa, Komei Sugiura 目前，国内服务机器人通过语言自然地互动的能力不足。这是因为理解人类指令因各种歧义和缺少信息而复杂化。在现有方法中，指定对象之间的关系的引用表达式是不够建模的。在本文中，我们提出了目标依赖的界限，通过专注于图像内的相关区域而不是整个图像，直接学习目标对象和其他对象之间的关系。我们的方法是基于偶联的变压器的扩展，可以在通用数据集上预先磨损。我们通过引入用于处理目标候选人的新架构来扩展Uniter方法。我们的模型在两个标准数据集上验证，结果表明，目标相关的终端在分类准确性方面优于基线方法。

Case Relation Transformer: A Crossmodal Language Generation Model for Fetching Instructions Authors Motonari Kambara, Komei Sugiura 机器人有很多研究，以提高国内服务机器人的沟通技巧。然而，大多数研究没有完全受益于深度神经网络的最近进步，因为训练数据集不够大。在本文中，我们的目的是基于跨型语言生成模型来增加数据集。我们提出了壳体关系变压器CRT，它从图像中生成提取指令句子，例如将蓝色触发器移动到左下框。与现有方法不同，CRT使用变压器集成图像中对象的视觉功能和几何特征。由于案例关系块，CRT可以处理对象。我们进行了比较实验和人类评估。实验结果表明CRT优于基线方法。

Autonomous Navigation for Quadrupedal Robots with Optimized Jumping through Constrained Obstacles Authors Scott Gilroy, Derek Lau, Lizhi Yang, Ed Izaguirre, Kristen Biermayer, Anxing Xiao, Mengti Sun, Ayush Agrawal, Jun Zeng, Zhongyu Li, Koushil Sreenath 由于其敏捷和动态设计，Quadrupeds是驾驶挑战环境的强大候选人。本文介绍了一种方法，它通过创建终端导航框架来扩展四轮节机器人的探索范围，以利用行走和跳跃模式。为了获得动态跳跃机动，同时避免障碍物，通过基于施加安全约束的基于搭配的优化来优化动态可行的轨迹。这种优化示意图允许机器人通过考虑空气中的障碍物和地面来跳过窗户形障碍物。产生的跳转模式用于自主导航管道，利用基于搜索的全球计划器和本地计划者，使机器人能够通过行走来达到目标​​位置。一个国家机器与决策策略一起允许系统在步行障碍物之间切换行为或跳过它们之间的行为。拟议的框架在正面部署和验证的迷你猎豹上是在实验部署和验证的，以使机器人能够通过环境自动导航，同时避免障碍物，跳过13厘米的最大高度，以通过窗户形状的开口它的目标。

Overcoming Obstructions via Bandwidth-Limited Multi-Agent Spatial Handshaking Authors Nathaniel Glaser, Yen Cheng Liu, Junjiao Tian, Zsolt Kira 在本文中，我们解决了带宽限制和障碍倾向于协作感知，具体在多代理语义分割的背景下。此设置具有几个关键挑战，包括处理和交换未注册的机器人群图像。为了成功，解决方案必须有效地利用多个非静态和间歇地重叠的RGB视角，同时引起带宽约束并克服不需要的前景障碍物。因此，我们建议结束到最终学习能力的多代理空间握手网络MASH以处理，压缩和传播机器人群中的视觉信息。我们的分布式通信模块直接且专门用于原始图像数据，而无需额外的输入要求，例如姿势，深度或翘曲数据。我们展示了我们模型的卓越性能，而是在照片逼真的多机器人空气环境中与几个基线相比，特别是在图像遮挡的情况下。我们的方法通过强大的基线实现了绝对的11 IOU。

Enhancing Multi-Robot Perception via Learned Data Association Authors Nathaniel Glaser, Yen Cheng Liu, Junjiao Tian, Zsolt Kira 在本文中，我们解决了多机器人协作感知问题，特别是在多视图infilling用于分布式语义分割的上下文中。此设置需要几个真实世界的挑战，尤其是与未注册的多代理图像数据有关的挑战。解决方案必须有效利用多重，非静态和间歇性地重叠RGB视角。为此，我们提出了多代理infilling网络的可扩展神经结构，可以以分布式方式部署到机器人群中的每个代理。具体地，每个机器人负责本地编码和解码视觉信息，并且可扩展的神经机制允许不确定性意识和基于上下文的中间特征交换。我们在现实的多机器人AiRSIM数据集上展示了改进的性能。

Design Optimization of Monoblade Autorotating Pods To Exhibit an Unconventional Descent Technique Using Glauert's Modelling Authors Kanishk, Shashwat Patnaik 许多非常规的下降机制本质上是为了最大化种子的分散，以增加花卉物种的群体。诱导的自身通过不对称重量分布产生升力，增加了跌倒持续时间并给予种子额外的时间被风漂移。拟议的生物启发概念用于生产用于各种航空航天应用的新型现代豆荚，这些应用程序在行星或行星任务中需要自由下降或控制的速度下降，而无需依赖传统技术，例如基于推进的下降和使用降落伞的使用。我们为设计程序和单刀片自动旋转机翼的功能提供了解释。基于Glauert S刀片元件动量理论BEMT模型的基于元素的计算方法通过使用顺序二次编程SQP求解器通过MATLAB S优化工具箱最大化功率系数来估计几何体。通过Matlab Simulink 6 DOF工具箱为单翼设计开发了动态模型，以执行机翼的自由飞行模拟，以验证其全球稳定性。

Neural Task Success Classifiers for Robotic Manipulation from Few Real Demonstrations Authors Abdalkarim Mohtasib, Amir Ghalamzan E., Nicola Bellotto, Heriberto Cuay huitl 机器人在不同的工作空间中越来越多地要求从少量演示中学习新的操作任务。评估操作质量的分类器模型可以预测成功完成任务，可以由智能代理用于动作选择。本文介绍了一个新颖的分类器，用于仅从几个示范中分类任务完成。我们对不同的神经分类器进行了全面的比较，例如，基于完全连接的基于卷积的，基于序列的Sequence，以及基于域的分类。我们还提供了一个新的数据集，包括公共可用的五个机器人操作任务。我们使用我们的数据集和MIME数据集进行了我们的小型分类器和现有模型的表演。结果表明域适应和基于时序的特征，提高了成功预测。我们的小说模型，即具有域适应和时序特征的完全卷积神经网络，在两个数据集中的任务中实现了97.3和95.5的平均分类精度，而没有域适应和时序特征的艺术分类器的状态，分别仅实现82.4和90.3。

Deep Semantic Segmentation at the Edge for Autonomous Navigation in Vineyard Rows Authors Diego Aghi, Simone Cerrato, Vittorio Mazzia, Marcello Chiaberge 精密农业是一种快速增长的领域，旨在向农业过程引入实惠且有效的自动化。如今，葡萄园中导航的算法解决方案需要昂贵的传感器和高计算工作负载，这可以在真正的商业案例场景中排除自主机器人平台的大规模适用性。从这个角度来看，我们的新颖建议控制利用机器感知和边缘AI技术的最新进步，以实现具有低计算和功耗的葡萄园行内的高度实惠且可靠的导航。实际上，使用自定义培训的分段网络和低范围的RGB D相机，我们能够利用环境的语义信息，在不同的葡萄园场景中产生平滑的轨迹和稳定控制。此外，由控制算法生成的分割图本身可以直接被利用为用于作物状态的植物评估的过滤器。针对现实世界数据和模拟环境的广泛实验和评估证明了我们方法的有效性和内在鲁棒性。

Trust, Shared Understanding and Locus of Control in Mixed-Initiative Robotic Systems Authors Manolis Chiou, Faye McCabe, Markella Grigoriou, Rustam Stolkin 本文调查了人类运营商和机器人之间的信赖，共享了解，以及控制LOC人格特征的轨迹，演变和影响混合倡议机器人系统中的人体机器人相互作用HRI。随着这种系统变得更进一步并且能够讨论人类运营商的行动，随着机器人被认为是成为团队伴侣的工具的转变。因此，在本文中取代了面向人的人为因素，即信任，共同谅解，索引可以在高效的HRI中发挥至关重要的作用。在这里，我们介绍了由灾难响应情景启发的实验结果，其中运营商在导航任务中远程控制移动机器人，具有人类的倡议或混合主动控制，动态地在两种不同层次的自主远程和自主导航之间切换。证据表明，运营商可信任并制定了对机器人系统的理解，特别是在混合倡议控制中，信任和理解随着时间的推移而增加，因为运营商更熟悉该系统和更能力执行任务。最后，LIC如何影响HRI的证据和见解。

Active Learning of Abstract Plan Feasibility Authors Michael Noseworthy, Caris Moses, Isaiah Brand, Sebastian Castro, Leslie Kaelbling, Tom s Lozano P rez, Nicholas Roy 长地平线顺序操作任务在分层上分层地解决了策划者在抽象动作序列上搜索的高级抽象，并且当找到计划时，产生较低的运动计划。这样的战略涉及可靠预测，发现满足抽象计划的可行低级计划的能力。然而，计算抽象计划可行性APF是困难的，因为计划的结果取决于难以模型的现实世界现象，例如估计和执行中的噪声。在这项工作中，我们提出了一种积极的学习方法，可以通过任务独立，在机器人上宣传探索APF预测器。机器人确定其结果是关于APF的信息，执行这些计划，并从他们的成功或失败中学习。批判性地，我们利用一个不可行的后续财产在积极学习策略中修剪候选计划，允许我们的系统从较少的数据中学习。我们评估我们在仿真和真正的弗兰卡·埃米瓦熊猫机器人的战略，具有综合感知，实验，规划和执行。在对象具有非均匀质量分布的堆叠域中，我们表明我们的系统在四百个自我监督的交互中允许真正的机器人学习APF模型，并且我们的学习模型可以有效地在多个下游任务中使用。

Collaborative Visual Navigation Authors Haiyang Wang, Wenguan Wang, Xizhou Zhu, Jifeng Dai, Liwei Wang 作为人工智能的基本问题，多代理系统MAS正在进行进步，主要由多售后强化学习Marl技术驱动。然而，以前的Marl方法主要集中在视觉富裕环境中的网格世界或游戏环境中的MAS仍然较少探索。为了缩小这个差距并强调感知在MAS中的关键作用，我们提出了一个大规模的3D数据集，Collavn，用于多代理视觉导航Mavn。在COLLAVN中，多个代理必须合作地浏览照片现实环境以达到目标位置。探索不同的MAVN变体，使我们的问题更加普遍。此外，提出了一种存储器增强通信框架。每个代理都配备了私有的外部存储器，以持久地存储通信信息。这允许代理更好地利用过去的通信信息，从而实现更高效的协作和强大的长期规划。在我们的实验中，设计了几个基线和评估指标。我们还经验验证了我们提出的MAVN方法跨不同的MAVN任务设置的效果。

4C: A Computation, Communication, and Control Co-Design Framework for CAVs Authors Liangkai Liu, Shaoshan Liu, Weisong Shi 由于其潜在的安全性和效率效益，所连接和自主车辆骑士队是有前途的，并吸引了政府机构，工业和学术界的大规模投资和兴趣。具有更多计算和通信资源，车辆和边缘服务器都配备了一组基于摄像机的视觉传感器，也称为Visual IoT V IoT技术，用于感测和感知。已经为实现可编程通信，计算和控制而产生的巨大努力。然而，它们主要在筒仓模式下进行，限制了处理现实世界中挑战情景的响应性和效率。为了改善结束到最终性能，我们设想未来的骑士队员需要CO设计通信，计算和控制。本文介绍了呼吸端的愿景，称为4C的域内设计原则，通过提供统一的通信，计算和控制CO设计框架来扩展V IoT系统。通过可编程通信，在4C中的细粒化异构计算和高效的车辆控制，CAM可以处理临界情景并实现节能自主驾驶。最后，我们提出了实现4C框架愿景的几个挑战。

Developing system of wireless sensor network and unmaned aerial vehicle for agriculture inspection Authors Nguyen Truong Son, Quach Cong Hoang, Dang Thi Huong Giang, Vu Minh Trung, Vuong Quang Huy, Mai Anh Tuan 采用高科技的农业生产是越南的必然趋势。特别是对于通常需要大型种植区域的材料作物，无线传感器网络在提高生产力，监测害虫和疾病，减轻气候变化的影响以及降低培养员的直接劳动劳动者的影响方面显着发挥着重要作用。本文用Lora无线传感器网络和无人机车辆的组合构建农业作物现场监测的实验模型，以收集天气和土壤的条件，植物健康的数据，这有助于种植者在灌溉，害虫治疗方面做出正确决定和目前种植的作物的施肥。该系统已经开发并在现场进行了实验，以评估一些基本特征，并证明所获得的数据的稳定性和可靠性。

Embodiment and Computational Creativity Authors Christian Guckelsberger, Anna Kantosalo, Santiago Negrete Yankelevich, Tapio Takala 我们猜想创造力和创造力的感知是至少在某种程度上形成的。这使得实施例对计算创造性CC研究高度相关，但现有的研究是稀缺和使用概念的使用非常暧昧。我们通过系统审查和对计算创造性国际会议的出版物的规范分析来克服这种情况。我们采用并扩展了一个实施例的建立的类型，通过识别和比较概念的不同用法来解决模糊性。我们收集，上下文和突出CC在CC中的实施方案中的机会和挑战作为研究的参考，并提出了重要的方向，以进一步实现所体现的CC研究计划。

Aerial Map-Based Navigation Using Semantic Segmentation and Pattern Matching Authors Youngjoo Kim 本文提出了一种对无人机地图导航系统的新方法。所提出的系统尝试标签标签匹配，而不是图像与航空图像和地图数据库之间的图像匹配。通过使用语义分割，标记地面对象并使用对象的配置用于在地图数据库中找到相应的位置。使用深度学习技术作为提取高级特征的工具将基于图像的定位问题降低到模式匹配问题。本文提出了一种模式匹配算法，其不需要高度信息或相机模型来估计绝对水平位置。利用模拟图像的可行性分析显示了所提出的基于地图的导航，可以用所提出的模式匹配算法实现，并且能够提供给定标记对象的位置。

Chinese Abs From Machine Translation

Papers from arxiv.org

更多精彩请移步主页

---

pic from pexels.com