室内环境下的导航学习：从记忆到推理
机器人学
2019-04-23 v3
摘要
自主导航是移动机器人智能移动的一项基本能力。传统方法必须拥有环境地图，以便在作业空间中规划无碰撞路径。深度强化学习（DRL）是一种无需地图即可实现自主导航任务的有前景的技术，通过它，深度神经网络可以通过探索拟合从观测到合理动作的映射。它不仅应记忆训练目标，更重要的是，规划器能够推理出未见过的目标。我们提出了一种基于深度强化学习的新型运动规划器，该规划器仅利用 RGB 图像和里程计，即可在室内环境中到达此前未经训练的新目标。该模型具有堆叠长短期记忆（LSTM）的结构。最后，在仿真和真实环境中均进行了实验。源代码见：https://github.com/marooncn/navbot。
引用
@article{arxiv.1904.06933,
title = {Learning to Navigate in Indoor Environments: from Memorizing to Reasoning},
author = {Liulong Ma and Yanjie Liu and Jiao Chen and Dong Jin},
journal= {arXiv preprint arXiv:1904.06933},
year = {2019}
}