基于鸟瞰视图的空间-时间对比学习机器人自主导航
机器人学
2024-09-04 v1
摘要
无地图环境下的目标导向移动机器人导航需要有效的状态表示以实现可靠的决策。本文引入一种新颖的导航方法，称为BEVNav。该方法利用深度强化学习学习鸟瞰视图(BEV)表示以增强决策可靠性。首先，我们提出一种自监督的空间-时间对比学习方法来学习BEV表示。在空间维度上，两个随机增强后的点云视图相互预测，以增强空间特征。在时间维度上，我们将当前观察与连续帧的动作组合，以预测未来特征，建立观察转换与动作之间的关系以捕获时间线索。随后，将该空间-时间对比学习融入Soft Actor-Critic强化学习框架，使BEVNav能够提供更优的导航策略。大量实验表明，BEVNav在拥挤的行人环境中具有鲁棒性，全面优于多个基准上的最新方法。\rev{代码将在https://github.com/LanrenzzzZ/BEVNav上公开。}
引用
@article{arxiv.2409.01646,
title = {BEVNav: Robot Autonomous Navigation Via Spatial-Temporal Contrastive Learning in Bird's-Eye View},
author = {Jiahao Jiang and Yuxiang Yang and Yingqi Deng and Chenlong Ma and Jing Zhang},
journal= {arXiv preprint arXiv:2409.01646},
year = {2024}
}