利用粗略二维地图在未知环境中进行分层机器人导航

在机器人导航中，快速泛化到未见过环境至关重要。受人类导航启发，已有分层方法被提出，通常由高层地标提议器和低层控制器组成。然而，这些方法要么需要提前给定精确的高层信息，要么需要从与环境的广泛交互中构建此类引导。在本工作中，我们提出一种方法，利用环境的粗略二维地图在新环境中导航，而无需进一步学习。具体而言，我们引入了一种动态拓扑地图，可由粗略二维地图初始化，并配以高层规划方法，用于提议起点与终点之间中间地标的可达二维地图块。为使用所提议的二维块，我们训练了一个深度生成模型，在观测空间中生成中间地标，作为低层目标条件强化学习的子目标。重要的是，由于低层控制器仅在使用现有环境的局部行为（例如穿过路口、在拐角左转）上训练，该框架使我们仅给定粗略二维地图即可泛化到新环境，无需进一步学习。实验结果证明了所提框架在已见和新环境中的有效性。