真实环境中基于自动课程学习的具身视觉导航
机器人学
2021-01-07 v2 人工智能
计算机视觉与模式识别
摘要
我们提出 NavACL，一种专为导航任务定制的自动课程学习方法。NavACL 训练简单，并利用几何特征高效选择相关任务。在我们的实验中，使用 NavACL 训练的深层强化学习智能体显著优于使用均匀采样（当前标准）训练的最先进智能体。此外，我们的智能体仅使用 RGB 图像即可在未知的杂乱室内环境中导航至语义指定的目标。避障策略与冻结特征网络支持向未见过的真实世界环境迁移，无需任何修改或重新训练要求。我们在仿真中以及现实世界中的地面机器人和四旋翼无人机上评估了我们的策略。真实世界结果的视频见补充材料。
引用
@article{arxiv.2009.05429,
title = {Embodied Visual Navigation with Automatic Curriculum Learning in Real Environments},
author = {Steven D. Morad and Roberto Mecca and Rudra P. K. Poudel and Stephan Liwicki and Roberto Cipolla},
journal= {arXiv preprint arXiv:2009.05429},
year = {2021}
}