学习导航：利用深度网络为基于视觉导航中的采样规划提供信息

深度学习在导航中的近期应用产生了端到端导航解决方案，其中视觉传感器输入被映射到控制信号或运动基元。由此产生的视觉导航策略在碰撞避免方面表现非常好，并且其性能可与传统反应式导航算法相匹配，同时实时运行。人们公认这些解决方案无法提供与全局规划器相同的性能水平。然而，此类端到端系统应如何集成到完整的导航流水线中尚不清晰。我们评估了完整导航流水线中的典型端到端解决方案，以暴露其弱点。这样做阐明了如何将深度学习方法更好地集成到导航流水线中。特别地，我们表明它们是为由采样规划的规划器提供知情样本的有效手段。与传统规划器比较的受控仿真表明，样本数量可减少一个数量级，同时保持导航性能。在移动机器人上的实现与仿真性能结果相匹配。