BADGR：一种自主自监督学习导航系统
机器人学
2020-04-17 v2 人工智能
机器学习
摘要
移动机器人导航通常被视为一个几何问题，其中机器人的目标是感知环境几何形状以规划通往期望目标的无碰撞路径。然而，纯几何的世界观对于许多导航问题可能是不够的。例如，基于几何导航的机器人可能会避开高草丛，因为它认为那是不可穿越的，因此将无法到达期望目标。在这项工作中，我们研究如何超越这些纯几何方法，使用一种从经验中学习物理导航可供性的方法。我们的方法称为BADGR，是一种端到端基于学习的移动机器人导航系统，可以通过在真实世界环境中收集的自监督离策略数据进行训练，无需任何模拟或人工监督。BADGR能够在具有几何干扰障碍物的真实世界城市和越野环境中导航。它还可以融入地形偏好，泛化到新环境，并通过收集更多数据自主持续改进。视频、代码和其他补充材料可在我们的网站https://sites.google.com/view/badgr上获取。
引用
@article{arxiv.2002.05700,
title = {BADGR: An Autonomous Self-Supervised Learning-Based Navigation System},
author = {Gregory Kahn and Pieter Abbeel and Sergey Levine},
journal= {arXiv preprint arXiv:2002.05700},
year = {2020}
}