【CMU博士论文】基于可编程光幕的主动机器人感知，120页pdf

大多数用于机器人感知的3D传感器，如激光雷达，被动扫描整个环境，同时与处理传感器数据的感知系统解耦。相比之下，主动感知是机器人的另一种范式，在这种范式中，可控传感器只自适应地将其感知能力集中在环境中最有用的区域。可编程光幕是最近发明的一种资源高效的主动传感器，可以测量任何用户指定的表面(“窗帘”)的深度，分辨率比激光雷达高得多。主要的研究挑战是设计感知算法来决定光幕在每个时间步的位置，在闭环中紧密耦合感知和控制。

本文为利用可编程光幕进行机器人主动感知奠定了算法基础。我们研究了光幕在各种感知任务中的使用，如3D对象检测、深度估计、障碍物检测和规避以及速度估计。首先，我们将光幕的速度和加速度约束合并为约束图;这允许我们计算可行的光幕，优化任何特定任务的目标。然后，我们开发了一套算法，使用各种工具，如贝叶斯推理、深度学习、信息获取和动态规划，智能地在场景中放置光幕。

最后，我们在一个在线学习框架中结合了多种智能放置策略。首先，我们能够使用基于粒子滤波和占用网格的贝叶斯滤波技术显式估计场景点的速度和位置。然后，我们提出了一个新的自监督奖励函数，评估当前速度估计的准确性使用未来光幕布局。这种洞察力使在线多臂盗匪框架能够在多个放置策略之间实时智能切换，优于单个策略。这些算法为可控光幕准确、高效、有目的地感知复杂动态环境铺平了道路。