基于视觉的带有运动模糊的导航技术
超越模糊图像：机器人定位的强化学习方法
在机器人导航中，机器人通常需要知道自己在世界中的位置，以便能够高效地进行导航。其中一种成本较低的本地化方式是在机器人上安装摄像头，并从环境中提取视觉特征。然而，当机器人移动速度足够快以至于产生运动模糊时，定位的准确性就会下降。这是因为模糊的图像会导致定位不准确。因此，移动速度过快的机器人可能无法进行定位，从而可能会迷失方向或需要停下来重新进行本地化。
为了解决这个问题，Hornung等人提出利用强化学习来确定最佳策略，使机器人能够以适当的速度进行导航，同时确保尽快到达目的地。实际的实现使用了扩展的马尔可夫决策过程（MDP）来建模导航任务。
通过聚类技术对学到的策略进行压缩，以避免占用过多内存空间，这对于存储容量较低的机器人来说是一个重大限制。
在室内和室外场景下成功进行了两台不同机器人的实验（可参见视频），这些机器人的速度比以恒定速度进行导航时要快。未来，Hornung等人希望将他们的系统应用于高速移动机器人，例如无人机！
标签：导航