GAPLE：面向室内环境机器人目标搜索的可泛化接近策略学习
机器人学
2019-03-08 v2 计算机视觉与模式识别
摘要
我们研究了一个问题：让智能体仅从其视觉输入中学习一种可泛化的动作策略，以在室内环境中主动接近感兴趣的物体。尽管场景驱动或识别驱动的视觉导航已被广泛研究，但先前的努力严重受限于有限的泛化能力。在本文中，我们首先论证物体搜索任务是环境相关的，而接近能力是通用的。为学习可泛化的接近策略，我们提出了一种称为 GAPLE 的新方案，它采用深度和语义分割两条视觉特征通道作为策略学习模块的输入。在 House3D 数据集以及真实世界场景中的物理平台上进行的实证研究所验证了我们假设，并且我们进一步提供了深入的定性分析。
引用
@article{arxiv.1809.08287,
title = {GAPLE: Generalizable Approaching Policy LEarning for Robotic Object Searching in Indoor Environment},
author = {Xin Ye and Zhe Lin and Joon-Young Lee and Jianming Zhang and Shibin Zheng and Yezhou Yang},
journal= {arXiv preprint arXiv:1809.08287},
year = {2019}
}