基于语言增强解决目标导航中的捷径学习问题
机器人学
2024-02-08 v1 计算机视觉与模式识别
摘要
深度强化学习（DRL）在使机器人在家庭或学校等环境中寻找特定物体（例如“寻找冰箱”）方面展现出巨大潜力。此任务被称为目标物体导航（ObjectNav）。DRL方法主要使用环境模拟器进行训练和评估。尽管DRL取得了令人瞩目的成果，但模拟器可能存在偏差或局限性。这带来了捷径学习的风险，即学习到一个针对训练环境特定视觉细节的策略。我们旨在加深对ObjectNav中捷径学习及其影响的理解，并提出解决方案。我们设计了一个实验，在训练环境的外观中引入捷径偏差。作为概念验证，我们将房间类型与特定的墙壁颜色关联（例如，卧室为绿色墙壁），并观察到最先进的（SOTA）ObjectNav方法在不符合此条件的环境（例如，卧室为蓝色墙壁）中泛化能力很差。我们发现捷径学习是根本原因：智能体学会了仅通过搜索目标物体所在房间的关联墙壁颜色来导航至目标物体。为了解决这个问题，我们提出了基于语言（L-B）的增强方法。我们的核心见解是，我们可以利用视觉-语言模型（VLM）的多模态特征空间，直接在特征层面增强视觉表征，无需更改模拟器，只需在模型中增加一层。在SOTA ObjectNav方法的成功率下降69%的情况下，我们的方案仅下降了23%。
引用
@article{arxiv.2402.05090,
title = {Language-Based Augmentation to Address Shortcut Learning in Object Goal Navigation},
author = {Dennis Hoftijzer and Gertjan Burghouts and Luuk Spreeuwers},
journal= {arXiv preprint arXiv:2402.05090},
year = {2024}
}
备注
8 pages, 6 figures, to be published in IEEE IRC 2023