室内仿真到室外真实：无需任何室外经验学习室外导航
机器人学
2023-05-11 v2
摘要
我们提出 IndoorSim-to-OutdoorReal (I2O)，一种端到端学习的视觉导航方法，仅在模拟的短程室内环境中训练，并展示出向 Spot 机器人上长程室外导航的零样本仿真到真实迁移。我们的方法使用零真实世界经验（室内或室外），且要求模拟器不建模任何主要室外现象（斜坡地面、人行道等）。I2O 迁移的关键在于为机器人提供环境的额外上下文（即卫星地图、人类绘制的粗略草图等）以引导机器人在真实世界中的导航。所提供的上下文地图不需要准确或完整——真实世界障碍物（如树木、灌木、行人等）未在地图上画出，开口也未与真实世界中的位置对齐。关键在于，这些不准确的上下文地图为机器人提供了一条通往目标的路线提示。我们发现，我们利用上下文地图的方法能够在新环境中成功导航数百米，避开路径上的新障碍物，抵达远处目标而无一次碰撞或人工干预。相比之下，无额外上下文的策略完全失败。最后，我们通过在模拟中向地图添加不同程度噪声来测试上下文地图策略的鲁棒性。我们发现上下文地图策略对所给上下文地图中的噪声出奇地鲁棒。在存在显著不准确地图（被 50% 噪声破坏或完全空白地图）的情况下，该策略优雅地退化为无上下文策略的行为。视频见 https://www.joannetruong.com/projects/i2o.html
引用
@article{arxiv.2305.01098,
title = {IndoorSim-to-OutdoorReal: Learning to Navigate Outdoors without any Outdoor Experience},
author = {Joanne Truong and April Zitkovich and Sonia Chernova and Dhruv Batra and Tingnan Zhang and Jie Tan and Wenhao Yu},
journal= {arXiv preprint arXiv:2305.01098},
year = {2023}
}