Dyna-LfLH：从学习到的幻觉中学习动态环境中的敏捷导航
机器人学
2025-09-04 v2 机器学习
摘要
本文介绍了从学习到的幻觉中进行动态学习（Dyna-LfLH），这是一种自监督方法，用于训练运动规划器在具有密集动态障碍物的环境中导航。经典规划器由于计算能力有限，难以应对密集且不可预测的障碍物，而基于学习的规划器则面临为模仿学习获取高质量演示或处理强化学习中探索效率低下的挑战。Dyna-LfLH 建立在从幻觉中学习（LfH）的基础上，LfH 从过去在较简单环境中的成功导航经验中合成训练数据，而 Dyna-LfLH 通过一个学习到的潜在分布生成动态障碍物，从而将其纳入。这使得运动规划器的训练既高效又安全。我们在模拟和真实环境中对地面机器人评估了 Dyna-LfLH，与基线相比，成功率提高了高达 25%。
引用
@article{arxiv.2403.17231,
title = {Dyna-LfLH: Learning Agile Navigation in Dynamic Environments from Learned Hallucination},
author = {Saad Abdul Ghani and Zizhao Wang and Peter Stone and Xuesu Xiao},
journal= {arXiv preprint arXiv:2403.17231},
year = {2025}
}
备注
Accepted at International Conference on Intelligent Robots and Systems (IROS) 2025 Hangzhou, China