用于长程视觉导航的可组合行为嵌入学习
机器人学
2021-02-22 v1
摘要
学习高层导航行为具有重要意义：它使机器人能够构建紧凑的视觉记忆以重复演示，并构建稀疏拓扑地图以在陌生环境中规划。现有方法仅学习离散的、短程的行为。这些独立行为通常假设具有简单机器人动力学的离散动作空间，因而无法捕捉真实世界轨迹的精细与复杂。为此，我们提出可组合行为嵌入（CBE），一种用于长程视觉导航的连续行为表示。CBE 以端到端方式学习；它有效捕捉路径几何并对未知障碍具有鲁棒性。我们展示了 CBE 可用于进行内存高效的路径跟随与拓扑建图，相比无行为方法节省超过一个数量级的内存。
引用
@article{arxiv.2102.09781,
title = {Learning Composable Behavior Embeddings for Long-horizon Visual Navigation},
author = {Xiangyun Meng and Yu Xiang and Dieter Fox},
journal= {arXiv preprint arXiv:2102.09781},
year = {2021}
}