基于同步探索与识别的 3D 感知物体目标导航
机器人学
2023-04-03 v3 计算机视觉与模式识别
摘要
未知环境中的物体目标导航（ObjectNav）是具身 AI 的基础任务。现有工作的 agent 基于 2D 地图、场景图或图像序列学习 ObjectNav 策略。考虑到该任务发生于 3D 空间，具备 3D 感知的 agent 可通过从细粒度空间信息学习来提升其 ObjectNav 能力。然而，在此楼层级任务中，利用 3D 场景表示可能因低样本效率与高昂计算成本而对策略学习极不实用。本文针对具挑战性的 3D 感知 ObjectNav 提出一种基于两个简明子策略的框架。这两个子策略，即拐角引导探索策略与类别感知识别策略，通过利用在线融合的 3D 点作为观测同时执行。大量实验表明，该框架可通过从 3D 场景表示学习显著提升 ObjectNav 性能。我们的框架在 Matterport3D 与 Gibson 数据集上于所有基于模块的方法中取得最佳性能，同时训练所需计算成本降低（至多 30 倍）。
引用
@article{arxiv.2212.00338,
title = {3D-Aware Object Goal Navigation via Simultaneous Exploration and Identification},
author = {Jiazhao Zhang and Liu Dai and Fanpeng Meng and Qingnan Fan and Xuelin Chen and Kai Xu and He Wang},
journal= {arXiv preprint arXiv:2212.00338},
year = {2023}
}
备注
To appear in CVPR 2023