将深度学习用于欧洲漫游者挑战目的

저자Tanya Kuruvilla，，，，2021年11月8日

163회（최근30일）|0좋아요|0댓글

            今天的客座博客是MichałHałoń他是波兰华沙理工大学的学生太空协会的SKA Robotics项目的团队成员，一直参加欧洲漫游者挑战赛。他将与我们分享他在挑战中使用的深度学习技术。

欧洲漫游者挑战

            欧洲漫游者挑战赛（ERC）是一年一度的国际学生火星漫游者竞赛，来自世界各地的球队参加。自2014年以来，ERC竞争一直在波兰举行。像大学漫游者挑战赛（在美国举行）一样，欧洲漫游者挑战赛也是Rover Challenge系列的一部分，这是世界上最负盛名的机器人竞赛。在比赛期间，团队必须完成包括采集和分析土壤样品，在控制面板上执行手动操作（例如设置开关为正确位置，进行电动测量），从不同位置收集样品或在自动导航的任务中进行手册操作，或火星场。多年来，Mathworks，Inc。是ERC合作伙伴和赞助商。

            尽管有许多未知数和局限性，但2020年欧洲漫游挑战赛还是在全球Covid-19限制中发生的唯一类型的竞争。第六版独特的版本是在混合公式中使用的技术，该技术使用来自世界各地的团队来远程参与控制Leo Rover移动机器人的比赛。

            来自14个国家 /地区的26个团队参加了ERC 2020决赛。oprogramowanie naukowo-techniczne sp。动物园。sp。k。（ONT波兰，Mathworks分销商）为最佳使用Mathworks软件提供了特别奖，以执行高级科学计算和计算机模拟。Michał与SKA Robotics一起获得了Mathworks特别奖，并获得了Arduino Engineering套件，因为它使用了深度学习技术来检测和识别Rover在比赛中自动自动导航的标记。下面描述了使用深度学习算法的动机和方法。

面临新的挑战

            在竞争准备期间，我负责开发AR标记标记检测和识别算法，该算法基于漫游者在自主模式下驾驶时确定其位置。AR标记标记有点像QR码，但是用于不同的目的。尝试使用基于传统图像处理方法的现有和现有的经典解决方案的尝试表明，它们倾向于在竞争周围的对象（例如观察者的T金宝搏官方网站恤上的窗户或图片）中错误地检测标记。事实证明，这种缺陷很难通过经典方法消除。

应用深度学习

            因此，我决定使用人工智能算法来解决上述问题。第一个任务是增加标记照片的训练集，该照片旨在用于开发拟议结构中的深层神经网络检测器和分类器。

            使用MATLAB，我开发了一个有条件的GAN（生成对抗网络）网络，以生成数千（甚至更多）的现实照片（甚至更多）的标记照片，我称之为Artagan（增强现实标签gan）。下面的动画介绍了为示例性标记的提出的GAN网络的学习过程。Artagan网络从产生随机噪声开始，慢慢学会生成逼真的标记。

结果

            下图介绍了Artagan网络与实际标记的照片相比，Artagan网络生成的进一步样本标记。然后使用在介绍过程中获得的数据训练检测器和分类器神经网络，该网络允许在有或没有标记的情况下区分照片并正确读取其代码。由于使用了所描述的网络，因此可以在竞争地点及其周围环境中解决不正确的标记识别问题。