增强机器人导航策略的任务特定不确定性管理
机器人学
2025-05-21 v1 人工智能
机器学习
摘要
在复杂环境中导航的机器人必须管理来自传感器噪声、环境变化和不完整信息的不确定性，而不同任务对不同区域的精确度要求不同。例如，在障碍物附近可能至关重要精确定位，但在开放空间则不那么重要。我们提出了 GUIDE (Generalized Uncertainty Integration for Decision-Making and Execution) 框架，通过任务特定不确定性地图 (TSUM) 将这些任务特定要求整合到导航策略中。通过为不同位置分配可接受的不确定性水平，TSUM 使机器人能够基于情境自适应地管理不确定性。结合强化学习，GUIDE 学习出在不进行大量奖励工程的情况下平衡任务完成与不确定性管理的策略。实际测试显示，与缺乏任务特定不确定性意识的方法相比，GUIDE 显著提升了性能。
引用
@article{arxiv.2505.13837,
title = {Enhancing Robot Navigation Policies with Task-Specific Uncertainty Managements},
author = {Gokul Puthumanaillam and Paulo Padrao and Jose Fuentes and Leonardo Bobadilla and Melkior Ornik},
journal= {arXiv preprint arXiv:2505.13837},
year = {2025}
}