学习用于物体目标导航的层次化关系
机器人学
2020-11-20 v2 计算机视觉与模式识别
机器学习
摘要
在导航过程中直接搜索物体对于小物件而言是一项挑战。利用以物体间关系为形式的上下文能够实现高效的分层目标搜索。当前大多数方法倾向于将感官输入直接纳入基于奖励的学习方法中，而未学习自然环境中物体之间的关系，因而跨领域泛化能力较差。我们提出 MJOLNIR（室内房间导航中利用记忆的联合层次化物体学习），一种目标驱动的导航算法，其考虑了目标物体与周围更显著的上下文物体之间的内在关系。在多种环境设置下进行的广泛实验表明，在成功率（SR）和按路径长度加权的成功率（SPL）方面，分别比现有最先进的导航方法提升了 和 。我们还表明，我们的模型比其他算法收敛得快得多，且未遭受众所周知的过拟合问题。有关补充材料和代码的更多细节可在 https://sites.google.com/eng.ucsd.edu/mjolnir 获取。
引用
@article{arxiv.2003.06749,
title = {Learning hierarchical relationships for object-goal navigation},
author = {Yiding Qiu and Anwesan Pal and Henrik I. Christensen},
journal= {arXiv preprint arXiv:2003.06749},
year = {2020}
}
备注
Paper accepted at CoRL-2020