ExAug：通过几何经验增强的机器人条件导航策略

机器学习技术依赖大型且多样的数据集以实现泛化。计算机视觉、自然语言处理及其他应用通常可复用公共数据集来训练许多不同模型。然而，由于物理配置的差异，利用公共数据集为新机器人平台或新任务训练机器人控制策略具有挑战性。本工作中，我们提出一种新颖框架 ExAug，用于增强来自多数据集、多环境中不同机器人平台的经验。ExAug 利用一个简单原则：通过以点云形式提取 3D 信息，我们可以创建更复杂和结构化的增强，既生成合成图像，又施加几何感知惩罚——这些在尺寸、转弯半径和相机放置不同的另一机器人所处的相同情境中本是合适的。训练后的策略在两个新机器人平台、三种不同相机、含障碍的室内外环境中进行了评估。