基于姿态感知的滑轨式视觉导航强化学习实验研究
机器人学
2025-11-17 v1 人工智能
计算机视觉与模式识别
机器学习
系统与控制
系统与控制
摘要
基于视觉的车道保持是机器人和自动地面车辆社区在各种道路与非道路应用中具有重要意义的主题。滑轨式车辆架构已作为人类控制操作的有用平台。然而，尤其是在非道路环境中，对滑轨-滑轮terrain互动的系统性建模（主要是滑轨-滑轮）已成为自动化部署的瓶颈。基于端到端学习的方法，如模仿学习和深度强化学习，因其作为克服准确分析模型不足之处的可行部署选项而日益流行。然而，针对滑轨式车辆的系统性表述及其后续的验证/验证在动态作业条件下（特别是滑轨式车辆）仍处于进行中的状态。为此，本文提出并研究了一种用于学习视觉导航的结构化表述方法。广泛的软件仿真、硬件评估和消融研究现在凸显了该方法相对于当代文献的显著性能优势。
引用
@article{arxiv.2506.21732,
title = {Experimental investigation of pose informed reinforcement learning for skid-steered visual navigation},
author = {Ameya Salvi and Venkat Krovi},
journal= {arXiv preprint arXiv:2506.21732},
year = {2025}
}