• banner1
  • banner2
  • banner3
当前位置:主页 > 企业招聘 >

环亚娱乐手机下载怎么让无人机灵敏穿越满是妨碍的房间?

来源:http://www.hanjiangtangyu.com 责任编辑:环亚ag88 更新日期:2018-08-06 13:24

  怎么让无人机灵敏穿越满是妨碍的房间?

  现在,深度学习现已在语音辨认、核算机视觉等多个使用范畴取得了重大突破。但是,要提到它在机器人范畴的开展,那就要另当别论了——深度学习在机器人范畴,不只开展速度慢,乃至还遭到很多人的质疑。为什么呢?

  究其原因,最重要的一点在于所需数据难以同享——将深度学习使用到机器人范畴,涉及到许多具体物理体系的表达。这意味着,所需数据往往是机器人范畴的特定数据集。因而,研讨人员在搜集数据时,就要消耗较多时刻;而在处理和环境相交互的自动体系时,环亚娱乐手机下载。则会愈加费时。

  近来,来自鲁汶大学的两位研讨人员Klaas Kelchtermans和Tinne Tuytelaars就为处理这一问题展开了研讨,并将研讨成果撰写成论文《How hard is it to cross the room ? - Training (Recurrent) Neural Networks to steer a UAV》,发布在了arXiv上。雷锋网对论文进行了部分编译。

  摘要

  咱们研讨了在无人机导航操控中选用循环神经网络(RNN)替代前馈神经网络(FNN),是否能添加其活动的灵敏性。试验条件是:无人机在履行高档导航使命时,需求用前视摄像头搜集信息。

  为了让无人机经过仿照学习学会履行导航使命,咱们建立了一个用来练习神经网络、可使用于空中和陆地两种交通工具的通用结构。试验中,咱们把结构使用于在仿照环境中飞翔的无人机中,让它学习怎么穿越有多障碍物的房间。

  到目前为止,无人机操控的练习进程中一般只运用前馈神经网络。为了处理更多高难度的使命,咱们提出,引进循环神经网络替代前馈神经网络,并且练习一个长短期存储器( LSTM)来操控无人机。

  经过视觉信息进行操控归于序列猜测问题,并且需求高相关性的输入数据。这一高相关性就使得练习神经网络,尤其是循环神经网络,变得不容易进行。

  为了战胜这一问题,咱们在练习网络时选用了WW-TBPTT法(window-wise d backpropagation through time)。别的,考虑到端对端练习所需的数据一般无法取得,咱们将“只对全衔接(FC)进行再练习的操控层”和“只对长短期存储器操控层(所需网络为端到端的练习)进行再练习的操控层”的体现进行了比照。

  最终,经过让无人机穿越有障碍物房间这一相对简略的试验,咱们现已能看出练习神经操控网络所具有的重要指导意义和其杰出的实践作用。可视化的差异性有助于解说无人机学习到的行为。

  

注:此图为论文中的图12——均匀仿照丢失比照图

  试验变量:已知和不知道的房间、无人机用不同构架的神经网络和不同练习方法进行操控、传 DJI 收买竞争对手零度智控 进一步占据无人机商场,是否有摄像头;

  S-LSTM 用S-TBPTT练习、WW-LSTM用WW-TBPTT。

  讨论和定论

  此研讨中,咱们测试了在导航操控中,存储器(图12)能怎么协助深度神经网络更高效地运作。

  结果表明,用WW-TBPTT去除练习数据的相关性,在练习如长短期存储器这样的循环神经网络时,网络整合营销传播环境下企业网络极端有协助。虽然运用WW-TBPTT 法会使试验方差增大,核算存储值的进程也使练习变慢(如图12最右边一组条形图),但它能经过时刻长度有用防止滑动切断反向传达的次序误差(the sequential bias of sliding d back propagation)。

  别的,试验结果表明,预先练习网络也十分有意义。在导航操控试验中,只是重练习最终一层卷积网络全衔接层(如Inception),比练习端对端练习网络体现更好。练习端对端网络不只需求更多数据,并且时刻也更长。也正是上述这个原因,机器人(注:这儿指无人机)在实践使用中才不行灵敏。

  咱们将揭露“穿过房间一”和“穿过房间二”两次试验的数据集(它们代表了试验所需数据的杂乱程度),让其他研讨人员能以此为参阅规范,学习导航操控。

  最终,咱们还想着重,想要翻开深度学习这个黑箱子,环亚国际娱乐,差异化点评法和可视化是十分有必要的。

Copyright © 2013 环亚ag88,环亚娱乐手机下载,ag8879环亚手机登录,ag88.com All Rights Reserved 网站地图