基于模仿学习在模拟四旋翼上执行高层导航指令
人工智能
2018-06-04 v1 计算与语言
计算机视觉与模式识别
机器学习
机器人学
摘要
我们提出了一种通过直接从图像、指令和位姿估计映射到连续低层速度指令以实现实时控制的方法来执行高层导航指令。Grounded Semantic Mapping Network (GSMN) 是一种全可微神经网络架构，它通过在网络中引入针孔相机投影模型，在世界参考系中构建显式语义地图。地图中存储的信息从经验中学习，而局部到世界的变换被显式计算。我们使用 DAggerFM（DAgger 的一种改进变体，以表格收敛保证换取训练速度与内存使用的提升）训练模型。我们在虚拟环境中的真实四旋翼模拟器上测试 GSMN，表明引入显式建图与接地模块使 GSMN 优于强大的神经基线并几乎达到专家策略性能。最后，我们分析了学习到的地图表示，并表明使用显式地图可得到可解释的指令跟随模型。
引用
@article{arxiv.1806.00047,
title = {Following High-level Navigation Instructions on a Simulated Quadcopter with Imitation Learning},
author = {Valts Blukis and Nataly Brukhim and Andrew Bennett and Ross A. Knepper and Yoav Artzi},
journal= {arXiv preprint arXiv:1806.00047},
year = {2018}
}
备注
To appear in Robotics: Science and Systems (RSS), 2018