无模型与基于模型的学习增强规划在 PointGoal 导航中的比较
机器人学
2022-12-20 v1 计算机视觉与模式识别
摘要
近年来，针对先前未见环境中的point goal导航提出了若干学习方法。它们在环境表示、问题分解和实验评估方面各不相同。本工作中，我们将基于深度强化学习的最先进方法与PointGoal导航问题的部分可观测马尔可夫决策过程(POMDP)表述进行比较。我们改编了[1]提出的(POMDP)子目标框架，并利用从图像语义分割构建的室内场景部分语义地图，修改了估计前沿属性的组件。除基于模型方法众所周知的完备性外，我们证明其鲁棒且高效，因为它相比乐观前沿规划器利用了信息丰富的、学习得到的前沿属性。我们还展示了相比端到端深度强化学习方法的数据效率。我们在Matterport3D数据集上使用Habitat Simulator将结果与乐观规划器、ANS和DD-PPO进行比较。我们展示了与SOTA的DD-PPO方法相当但略差的性能，但所需数据远少。
引用
@article{arxiv.2212.08801,
title = {Comparison of Model-Free and Model-Based Learning-Informed Planning for PointGoal Navigation},
author = {Yimeng Li and Arnab Debnath and Gregory J. Stein and Jana Kosecka},
journal= {arXiv preprint arXiv:2212.08801},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2211.07898