使用面向目标的语义探索进行目标物体导航
机器学习
2020-07-02 v1 机器学习
摘要
本工作研究目标物体导航问题，其涉及在未知环境中导航至给定物体类别的实例。基于端到端学习的导航方法在此任务上表现不佳，因为它们在探索与长期规划方面效率低下。我们提出一种称为“面向目标的语义探索”的模块化系统，其构建情景语义地图，并基于目标物体类别利用该地图高效探索环境。在视觉逼真仿真环境中的经验结果表明，所提模型优于广泛的基线，包括基于端到端学习的方法以及基于模块化地图的方法，并赢得了CVPR-2020 Habitat ObjectNav挑战赛的冠军。消融分析表明，所提模型学习了场景中物体相对排布的语义先验，并利用它们进行高效探索。领域无关的模块设计使我们能将模型迁移至移动机器人平台，并在真实世界中取得相似的目标物体导航性能。
引用
@article{arxiv.2007.00642,
title = {All in the Exponential Family: Bregman Duality in Thermodynamic Variational Inference},
author = {Rob Brekelmans and Vaden Masrani and Frank Wood and Greg Ver Steeg and Aram Galstyan},
journal= {arXiv preprint arXiv:2007.00642},
year = {2020}
}
备注
ICML 2020