elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Learning Multiplicative Interactions with Bayesian Neural Networks for Visual-Inertial Odometry

Shinde, Kashmira und Lee, Jongseok und Humt, Matthias und Sezgin, Aydin und Triebel, Rudolph (2020) Learning Multiplicative Interactions with Bayesian Neural Networks for Visual-Inertial Odometry. In: Workshop on AI for Autonomous Driving (AIAD), the 37th International Conference on Machine Learning (ICML). Workshop on AI for Autonomous Driving (AIAD), the 37 th International Conference on Machine Learning (ICML), 2020-07-13, Vienna, Austria.

[img] PDF
2MB

Kurzfassung

This paper presents an end-to-end multi-modal learning approach for monocular Visual-Inertial Odometry (VIO), which is specifically designed to exploit sensor complementarity in the light of sensor degradation scenarios. The proposed network makes use of a multi-head self-attention mechanism that learns multiplicative interactions between multiple streams of information. Another design feature of our approach is the incorporation of the model uncertainty using scalable Laplace Approximation. We evaluate the performance of the proposed approach by comparing it against the end-to-end state-of-the-art methods on the KITTI dataset and show that it achieves superior performance. Importantly, our work thereby provides an empirical evidence that learning multiplicative interactions can result in a powerful inductive bias for increased robustness to sensor failures.

elib-URL des Eintrags:https://elib.dlr.de/135547/
Dokumentart:Konferenzbeitrag (Anderer)
Titel:Learning Multiplicative Interactions with Bayesian Neural Networks for Visual-Inertial Odometry
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Shinde, KashmiraKashmira.Shinde (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Lee, JongseokJongseok.Lee (at) dlr.dehttps://orcid.org/0000-0002-0960-0809NICHT SPEZIFIZIERT
Humt, MatthiasDLRNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Sezgin, AydinRuhr-Universität BochumNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Triebel, RudolphRudolph.Triebel (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:13 Juli 2020
Erschienen in:Workshop on AI for Autonomous Driving (AIAD), the 37th International Conference on Machine Learning (ICML)
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:Multimodal learning, Autonomous Driving, Visual-Inertial Odometry, Robot Perception, Machine Learning, Deep Learning
Veranstaltungstitel:Workshop on AI for Autonomous Driving (AIAD), the 37 th International Conference on Machine Learning (ICML)
Veranstaltungsort:Vienna, Austria
Veranstaltungsart:Workshop
Veranstaltungsdatum:13 Juli 2020
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben Intelligente Mobilität (alt), Vorhaben Intelligente Mobilität (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013)
Institut für Robotik und Mechatronik (ab 2013) > Perzeption und Kognition
Hinterlegt von: Lee, Jongseok
Hinterlegt am:21 Jul 2020 09:46
Letzte Änderung:15 Okt 2024 08:51

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.