通过情景增强提升深度强化学习机器人导航泛化能力
机器人学
2025-03-04 v1
摘要
本工作聚焦于提高基于深度强化学习的机器人导航在未见环境中的泛化性能。我们提出一种新颖的数据增强方法，称为情景增强，使机器人无需改变训练情景即可在多样化环境中有效导航。该方法通过将机器人的观察映射到想象空间，生成基于转换后观察的想象动作，然后将该动作重新映射回实际在仿真中执行的动作。通过情景增强，我们进行了大量比较实验，以探究未见环境中次优导航行为的根本原因。我们的分析表明，有限的训练情景是导致这些不期望行为的主要因素。实验结果确认，情景增强显著提升了基于深度强化学习的导航系统泛化能力。改进后的导航框架在实际应用中表现出色，能够生成接近最优的轨迹并显著减少导航时间。
引用
@article{arxiv.2503.01146,
title = {Enhancing Deep Reinforcement Learning-based Robot Navigation Generalization through Scenario Augmentation},
author = {Shanze Wang and Mingao Tan and Zhibo Yang and Xianghui Wang and Xiaoyu Shen and Hailong Huang and Wei Zhang},
journal= {arXiv preprint arXiv:2503.01146},
year = {2025}
}
备注
8 pages, 9 figures