通过模型误差预测实现复杂地形导航
机器人学
2021-11-19 v1 机器学习
摘要
机器人导航传统上依赖于构建显式地图，用于规划到期望目标的无碰撞轨迹。在可变形复杂地形中，使用基于几何的方法可能因将可变形物体误判为刚性和不可通行而找不到路径。相反，我们学习预测地形区域的可通行性估计，并偏好更易导航的区域（例如短草优于小灌木）。我们不是预测碰撞，而是对相比规范动力学模型的实现误差进行回归。我们采用 on-policy 方法进行训练，仅使用跨仿真和真实世界分配的少至 50 分钟训练数据即得到成功的导航策略。我们的基于学习的导航系统是一种样本高效的短期规划器，我们在 Clearpath Husky 上展示了其通过包括草地和森林在内的多种地形的导航。
引用
@article{arxiv.2111.09768,
title = {Complex Terrain Navigation via Model Error Prediction},
author = {Adam Polevoy and Craig Knuth and Katie M. Popek and Kapil D. Katyal},
journal= {arXiv preprint arXiv:2111.09768},
year = {2021}
}
备注
Submitted to ICRA 2022