摘要
本文主要提出一种基于域随机化的姿态估计方法。
通过训练神经网络,直接从环境的2D图像中预测机器人的姿态。关于提高基于域随机化的姿态估计的准确性,文章提出主动感知(active perception)方法:移动机器人以获得更好的姿态估计,在模拟环境中进行训练,用域随机化将其转化为现实。
介绍
本文为了提高基于域随机化的姿态估计的准确性,对环境进行一些已知的几何变换,如移动环境中的物体,移动机器人手臂或干扰物、改变相机角度等。同时提出主动姿态估计方法:从不同角度和不同位置看一个物体,从而获得更准确、更稳健的预测。
问题准备
假设有一个对象 x x x和一些参考对象 y y y的几何3D模型。 O y O_y Oy表示相对于 y y y的坐标系, P x P_x Px表示坐标系 O y O_y Oy中 x x x的6D姿态。已知环境 I I I的图像,包括 x x x和 y y y,目标是从图像中估计 P x P_x Px。
基于域随机化的姿态估计
Tobin等人提出了一种域随机化的方法来解决姿态估计问题(链接为:https://arxiv.org/abs/1703.06907)。文章里使用3D渲染软件来渲染具有 x x x和 y y y不同姿势的环境图像,以及随机纹理、照明条件、摄像机方法和相机参数等。设 D = { I 1 , P x 1 , . . . , I N , P x N } D=\{I^1,P_x^1,...,I^N,P_x^N\} D={ I1,