一种用于多样化轨迹提议的分层网络

自主探索机器人经常遇到可追求多条未来轨迹的场景。通常这些是围绕障碍物存在多条路径或朝向不同边界区域的轨迹选项的情况。人类在此类情境中能够固有地感知并推理周围环境，以识别出绕开障碍物或朝向不同边界区域的若干可能性。在本工作中，我们提出了一种两阶段卷积神经网络架构，它模仿了这种将感知到的周围环境映射为机器人可选择穿越的多条轨迹的能力。第一阶段是轨迹提议网络，它建议环境中未来可被占据的多样化区域。第二阶段是轨迹采样网络，它在轨迹提议网络所提议的区域上给出细粒度轨迹。我们在多样且复杂的真实生活环境中评估了我们的框架。对于室外情况，我们使用KITTI数据集和我们自己的室外驾驶数据集。在室内设置中，我们使用自主无人机导航各种场景，以及一台可利用我们框架所提议轨迹探索环境的地面机器人。我们的实验表明，该框架能够发展出对障碍物、开阔区域的语义理解，并识别出机器人可穿越的多样化轨迹。我们的对比展示了所提架构相对于与之比较的多种方法的性能提升。