用于视觉导航的图注意力记忆
计算机视觉与模式识别
2019-06-05 v2 人工智能
摘要
在复杂环境中的视觉导航使用传统的反应式策略或通用循环策略是低效的。为解决长期记忆问题，本文提出一种图注意力记忆（GAM）架构，由记忆构建模块、图注意力模块和控制模块组成。记忆构建模块利用探索先验通过监督学习构建拓扑图。然后，利用图注意力模块提取引导注意力特征。最后，基于深度强化学习的控制模块根据视觉观测和引导注意力特征做出决策。本文给出了GAM的详细收敛性分析。我们在两个复杂3D环境中评估了基于GAM的导航系统。实验结果表明，基于GAM的导航系统显著提高了学习效率，并在平均成功率上优于所有基线方法。
引用
@article{arxiv.1905.13315,
title = {Graph Attention Memory for Visual Navigation},
author = {Dong Li and Qichao Zhang and Dongbin Zhao and Yuzheng Zhuang and Bin Wang and Wulong Liu and Rasul Tutunov and Jun Wang},
journal= {arXiv preprint arXiv:1905.13315},
year = {2019}
}
备注
13 pages, 7 figures