以下内容來自小六的機器人SLAM學習圈知識星球每日更新内容
點選領取學習資料 → 機器人SLAM學習資料大禮包
#論文#開源代碼# CoVIO: Online Continual Learning for Visual-Inertial Odometry
論文位址：https://arxiv.org/abs/2303.10149
作者機關：弗萊堡大學
開源代碼：http://continual-slam.cs.uni-freiburg.de/
視覺裡程計是移動裝置和機器人平台上的許多應用程式的一項基本任務。由于這樣的應用通常不限于預定義的目标領域，并且已知基于學習的視覺系統在不可見環境中的泛化能力較差，是以在推理時間期間進行連續自适應的方法是非常有意義的。在這項工作中，我們引入了CoVIO來線上連續學習視覺慣性裡程計。CoVIO有效地适應了新的領域，同時通過利用經驗回放來緩解災難性遺忘。
特别是，我們提出了一種新的采樣政策，以最大化固定大小的重放緩沖區中的圖像多樣性，目标是嵌入式裝置有限的存儲容量。我們還提供了一個異步版本，該版本将裡程計估計與網絡權重更新步驟解耦，進而能夠實時地進行連續推理。我們在各種真實資料集上對CoVIO進行了廣泛的評估，表明它成功地适應了新的領域，同時性能優于以前的方法。
本文貢獻如下：
1、我們将雙網絡架構替換為單網絡，既解決了域适配和知識保留問題，又簡化了整體架構，并減少了GPU記憶體占用。此外，這解決了在沒有域分類的情況下傳輸網絡權重的問題。
2.提出了一種固定大小的重放緩沖區，最大化了圖像多樣性，解決了嵌入式裝置存儲容量有限的問題。
3.我們提出了一種CoVIO的異步版本，它将核心運動估計與網絡更新步驟分開，允許真正的連續推理。
4.我們在各種公開可用的和内部可用的資料集上對CoVIO進行了廣泛的評估，證明了它與其他視覺裡程計方法相比的有效性。
以上内容來自小六的機器人SLAM學習圈知識星球每日更新内容