DEEPSOCNAV : social navigation by imitating human behaviors
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Las actuales representaciones 2D e interacciones basadas en coordenadas para la navegación social dejan de lado importantes relaciones y pistas visuales que pueden ser
capturadas solamente a través de una vista en primera persona de la escena. Esto limita
el rendimiento de modelos de navegación social del tipo data-driven. En este trabajo,
proponemos aprovechar las herramientas de los motores de videojuegos actuales, -como
Unity-, para transformar datasets preexistentes con vista de pájaro a datasets con vista en
primera persona, y en particular una vista de profundidad. Además, demostramos los beneficios
de usar data sintética generada por el motor de videojuegos para pre-entrenar un
modelo de navegación. Para probar nuestras ideas, presentamos DeepSocNav, un modelo
de aprendizaje profundo el cual toma ventaja de los datasets transformados y sintéticos,
además de una estrategia auto-supervisada incluida en la forma de una tarea auxiliar. Esta
tarea consiste en anticipar la siguiente imagen de profundidad que el agente verá. Nuestros
experimentos muestran el beneficio del modelo propuesto el cual es capaz de superar
baselines relevantes en términos de métricas sociales de navegación.
Description
Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2021