前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【SLAM】开源 |Active Neural SLAM:模块化和层次化的方法学习探索3D环境,CVPR 2019 获奖作品

【SLAM】开源 |Active Neural SLAM:模块化和层次化的方法学习探索3D环境,CVPR 2019 获奖作品

作者头像
CNNer
发布2020-06-19 16:04:14
1.1K0
发布2020-06-19 16:04:14
举报
文章被收录于专栏:CNNer

论文地址:http://arxiv.org/pdf/2004.05155v1.pdf 代码:https://devendrachaplot.github.io/projects/neural-slam 来源:卡内基梅隆大学 论文名称:Learning to Explore using Active Neural SLAM 原文作者:Devendra SinghChaplot

在本文中提出了一种模块化和层次化的方法来学习探索3D环境的策略,称为Active Neural SLAM。本文方法通过learned SLAM模块, 和global、localpolicies分析路径规划,充分整合了经典方法和learning-based方法的优势。使用该学习提供了输入模式方面的灵活性(learned SLAM模块),利用普遍存在的结构规则(global policies),并提供了对状态估计错误的鲁棒性(localpolicies)。该学习的使用保留了每个模块中的优点,同时,分层分解和模块化训练避免了end-to-end训练策略相关的高样本复杂性。将本文方法应用到在视觉和物理现实的模拟3D环境的实验中,证明了该方法的有效性超过过去的学习和基于几何的方法。该模型用于PointGoal任务中,并且成为了the CVPR 2019 Habitat PointGoal Navigation Challenge的获奖作品。

下面是论文具体框架结构以及实验结果:

人工智能,每日面试题:

简述CNN常用的几个模型:

每日面试题,答案:

号主答案:

声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请联系删除。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-05-29,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 CNNer 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档