浙江大学提出描述符蒸馏的高效率的多机器人SLAM！

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# Descriptor Distillation for Efficient Multi-Robot SLAM

论文地址：https://arxiv.org/abs/2303.08420

作者单位：浙江大学  

    在保持低水平通信带宽的同时进行精确定位是多机器人同时定位和建图（MR-SLAM）的一个重要挑战。在本文中，我们通过生成一个具有最小推理时间的紧凑但有判别力的特征描述符来解决这个问题。我们提出了描述符提取，将描述符生成公式化为师生框架下的学习问题。为了实现实时描述符生成，我们设计了一个紧凑的学生网络，并通过转移预先训练的大型教师模型中的知识来学习。

    为了减少从教师到学生的描述符维度，我们提出了一种新的损失函数，该函数能够在两个不同维度的描述符之间进行知识转移。实验结果表明，我们的模型比最先进的模型轻30%，并且在补丁匹配中产生了更好的描述符。此外，我们基于所提出的方法构建了一个MR-SLAM系统，并表明我们的描述符蒸馏可以在较低的带宽下实现更高的MR-SLAM定位性能。

本文贡献如下：

1、我们设计了一个教师学生模型来生成紧凑的二进制描述符。我们的模型在匹配性能和计算成本方面都优于最先进的方法。

2、我们提出了一种新的基于距离的蒸馏损失，它允许在具有不同输出维度的模型之间进行知识转移。

3、我们开发了一个基于新描述符模型的MR-SLAM系统作为评估平台。结果表明，我们的模型在公共EuRoC数据集中对MR-SLAM任务表现出良好的性能。

以上内容来自小六的机器人SLAM学习圈 每日更新内容