ロボットの操舵角予測における非局所的注意と車線誘導に基づく軽量ネットワーク

科学分野:

• ロボット工学
• コンピュータビジョン
• 人工知能

背景:

• 正確な操舵角予測は、自律ロボットナビゲーションにとって非常に重要です。
• 既存の方法では、複雑な環境における計算効率と予測精度の課題に直面することがよくあります。

研究 の 目的:

• ロボットの操舵角予測のための新しいエンドツーエンド予測ネットワークを開発すること。
• 注意機構と車線線ガイド機構を統合して、計算効率と予測精度を向上させること。

主な方法:

• 非局所ブロックとゴーストモジュールを組み込んだResNetベースのネットワークで、特徴抽出とグローバルコンテキストモデリングを強化しました。
• Cannyエッジ検出とHough変換を組み合わせた車線線注釈方法で、意味的ガイダンスを提供しました。
• 過剰適合を軽減するために、適応学習率調整のためにReduceLROnPlateauスケジューラを使用しました。

主要な成果:

• ベースラインモデルと比較して推論速度が54.88%向上しました。
• 平均絶対誤差（MAE）を8.47%、二乗平均平方根誤差（RMSE）を18.23%削減しました。
• 剥離研究により、モデルのパフォーマンスと効率の向上における非局所ブロックとゴーストモジュールの有効性が確認されました。

結論:

• 提案されたネットワークは、リアルタイム自律ナビゲーションのための高精度、高効率、低遅延の視覚認識ソリューションを提供します。
• 非局所的注意と車線線ガイドの統合は、操舵角予測を大幅に強化します。
• この方法は、強力な一般化能力を示し、複雑なロボットナビゲーションシナリオでの展開の可能性を示しています。