我们在单摄像头上击败了卡尔曼滤波器，但前三个星期都在测量一具尸体
MoranaLabs公司的工程师开发了一种神经跟踪器，在单目摄像头上优于经典的卡尔曼滤波器，在50%的实验场景中使目标失明，而卡尔曼滤波器则为-3%。结合KalmanNet和神经网络的混合方案实现了80%重返画面的成功率。然而，该项目一直受到测量错误，包括一个故障探头连续数周读取为零的问题的困扰。
MoranaLabs的项目旨在仅使用单目摄像头，无需测距仪，在目标从摄像头画面中消失0.75秒的情况下，保持对其的视觉锁定。经典的卡尔曼滤波器在84%的测试回合中丢失目标，而混合型KalmanNet-神经网络追踪器仅在18%的回合中丢失目标，并在80%的回合中将目标返回画面中心。团队最初编写了一个带有符号错误的教师策略，导致所有60次尝试均未成功。他们花了三周时间调试测量指标，发现环境将一些指标写入嵌套字典，导致探针和课程回调读取到零值。修复这些错误后，他们实现了一个非对称评论家，该评论家使用来自模拟器的特权向量，并训练一个世界模型辅助任务来预测该向量，这迫使LSTM整合动力学信息。最终模型在目标消失期间，鼻子方向与真实目标方向之间的余弦相似度达到50%，而卡尔曼滤波器为-3%，纯神经飞行员则为41%。
来源: Habr — хаб ИИ —
原文