通过学习信息价值在不确定性下进行长时程导航的主动信息收集
机器人学
2025-02-06 v1
摘要
我们解决了在部分映射环境中进行长时程导航的任务，其中主动收集关于远处不可见空间的信息对于良好的行为至关重要。我们提出了一种新颖的规划策略，在训练阶段能够以可处理的方式计算与揭示潜在信息丰富的不可见区域相关的信息价值，这些数据用于训练图神经网络以预测时间扩展探索动作的优劣。我们的学习增强型基于模型的规划方法预测揭示不可见空间的预期信息价值，并能够利用这些预测主动寻求信息，从而改善长时程导航。在两个模拟的类办公室环境中，我们的规划器优于具有竞争力的学习和非学习基线导航策略，分别实现了高达 63.76% 和 36.68% 的改进，展示了其主动寻求关键性能信息的能力。
引用
@article{arxiv.2403.03269,
title = {Active Information Gathering for Long-Horizon Navigation Under Uncertainty by Learning the Value of Information},
author = {Raihan Islam Arnob and Gregory J. Stein},
journal= {arXiv preprint arXiv:2403.03269},
year = {2025}
}
备注
Submitted at IROS'24. arXiv admin note: text overlap with arXiv:2307.14501