【标题】ReAgent: Point Cloud Registration using Imitation and Reinforcement Learning

【作者团队】Dominik Bauer, Timothy Patten and Markus Vincze

【论文链接】https://arxiv.org/abs/2103.15231v1

【发表时间】2021.03.28

【推荐理由】点云配准在3D计算机视觉领域中是一个常规步骤。传统的点云配准方法不能适应观测具有噪声的情况，而基于学习的方法泛化能力较差。本文将可迭代点云配准视为一种RL任务，并提出了一种新型配准智能体（ReAgent）。本文方法为三个部分：1. 模仿学习：与传统初始化方法不同，作者基于专家策略来初始化离散配准策略；2. 强化学习：作者将其提出的合作回报与策略优化方法结合，进一步提升了配准性能；3. 轻量智能体减少了推理时间。作者在三种类型的数据集上进行了测试，实验表明无论是精确度还是推理时间上都有很大改善。

图1 ReAgent的单次迭代流程

图2 使用回放池的模仿学习与强化学习结合算法

内容中包含的图片若涉及版权问题，请及时与我们联系删除