英国拉夫堡大学 本次发布的数据集 通过深度强化学习（DRL）生成的大规模2D SLAM错误数据集, 本文提出了一种名为TT-OGM的新方法，该方法通过深度强化学习（DRL）生成大规模2D SLAM错误数据集，用于训练生成对抗网络（GAN），以改善SLAM算法在复杂场景中的定位和建图质量。TT-OGM方法通过转换和翻译步骤，将3D点云数据转换为2D表示，从而在具有动态运动的复杂场景中实现高精度和可靠的2D OGM。该方法还集成了一个基于GAN的观测完成和错误删除模块，能够检测和删除传感器噪声、无关数据和伪影，同时完成部分映射区域，部分观测和重新对齐角/线性偏移。
查看通过深度强化学习（DRL）生成的大规模2D SLAM错误数据集
关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。
_1769672084863.jpg)