面向语义具身导航的利用引导探索
计算机视觉与模式识别
2023-11-07 v1 人工智能
机器学习
机器人学
摘要
在具身导航与仿真到机器人迁移的近期进展中，模块化策略已成为事实上的框架。然而，组合性不仅仅是将学习负载分解为模块化组件。在本工作中，我们研究了一种将这些组件进行语法组合的原则性方法。具体而言，我们提出了利用引导探索（XGX），其中用于探索和利用的分离模块以一种新颖且直观的方式结合在一起。我们将利用模块配置为在导航的确定性最后步骤（即目标可见时）接管。关键在于，利用模块对教师强制探索模块并继续驱动被覆盖的策略优化。XGX 通过有效的分解与新颖的引导，将具有挑战性的物体导航任务上的最优性能从 70% 提升至 73%。除更高精度外，通过针对性分析，我们表明 XGX 在目标条件探索上也更高效。最后，我们展示了向机器人硬件的仿真到真实迁移，XGX 的表现优于仿真基准测试中最优基线两倍以上。项目页面：xgxvisnav.github.io
引用
@article{arxiv.2311.03357,
title = {Exploitation-Guided Exploration for Semantic Embodied Navigation},
author = {Justin Wasserman and Girish Chowdhary and Abhinav Gupta and Unnat Jain},
journal= {arXiv preprint arXiv:2311.03357},
year = {2023}
}
备注
Code and results available at http://xgxvisnav.github.io