Control Transformer：基于 PRM 引导的回报条件序列建模的未知环境机器人导航
机器人学
2023-07-14 v3 人工智能
机器学习
摘要
学习导航等长视程任务给强化学习在机器人领域的成功应用带来了严峻挑战。另一方面，在已知环境下，基于采样的规划无需学习即可在环境中稳健地找到无碰撞路径。在本工作中，我们提出了 Control Transformer，它对由基于采样的概率路线图（PRM）规划器引导的低层策略进行回报条件序列建模。我们证明，我们的框架仅需局部信息即可解决长视程导航任务。我们在使用 MuJoCo 机器人（包括 Ant、Point 和 Humanoid）的部分可观测迷宫导航任务上评估了该方法。结果表明，Control Transformer 能够成功穿越迷宫并迁移至未知环境。此外，我们将该方法应用于差分驱动机器人（Turtlebot3），展示了在噪声观测下的零样本 sim2real 迁移。
引用
@article{arxiv.2211.06407,
title = {Control Transformer: Robot Navigation in Unknown Environments through PRM-Guided Return-Conditioned Sequence Modeling},
author = {Daniel Lawson and Ahmed H. Qureshi},
journal= {arXiv preprint arXiv:2211.06407},
year = {2023}
}