.png){kind=icon}
返回
A Spatial-Aware Temporal Modeling Network for Imitation Learning-Based Drone Navigation
.png){kind=icon}
PRE
AI
DOI：10.1109/TITS.2025.3597440.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于模仿学习的无人机自主导航因能够利用深度神经网络从人类飞行员演示中学习控制策略而受到广泛关注。然而，大多数当前研究仅使用单幅图像生成控制指令，忽视了序列输入图像中嵌入的语义信息。虽然一些基于强化学习的方法探索了序列输入图像的时间建模，但它们往往忽视了帧之间的空间关系，并将每幅图像的2D信息向量化为1D特征。在本文中，我们提出了一种新颖的基于模仿学习的方法，即空间感知时间建模网络（SATMN），用于利用序列图像作为输入的无人机自主导航。具体而言，我们引入了一种空间-时间分离建模机制，从原始图像中提取低分辨率空间特征，然后感知这些2D特征之间的空间-时间关系。SATMN在时间建模过程中保留了每个2D图像特征的空间信息，并能够在无人机上实现实时机载计算。为验证所提出方法的有效性，我们设计了一个紧凑的四旋翼平台，该平台能够使用SATMN进行自主导航，完全由机载计算设备供电。在公共数据集上进行的全面且可复现的实验表明，与现有方法相比，我们的方法具有更优越的性能。
Keyword:
Imitation learning
spatial and temporal modeling
autonomous aerial vehicle
期刊
IF:
8.4
论文数:
9.7K
被引数:
6.3W
机构
引用论文
暂无论文信息