学习在户外环境中导航人行道
机器人学
2021-09-14 v1
摘要
在城市环境中于人行道上进行的户外导航是重要人类辅助应用（如最后一公里配送或社区巡逻）背后的关键技术。本文旨在开发一只四足机器人，其遵循公共地图服务生成的路线规划，同时保持在人行道上并避免与障碍物和行人发生碰撞。我们设计了一个两阶段学习框架，首先在具有特权真实信息的抽象世界中训练教师智能体，然后应用行为克隆（Behavior Cloning）将技能传授给仅能访问真实传感器的学生智能体。本文的主要研究精力集中于克服将学生策略部署到真实世界中四足机器人时所面临的挑战。我们提出了用于设计感知模态、网络架构和训练流程的方法，以实现向非结构化和动态真实户外环境的零样本策略迁移。我们在美国亚特兰大市导航人行道的一只四足机器人上评估了我们的学习框架。利用习得的导航策略及其机载传感器，该机器人能够在有限次人工干预下行走 3.2 公里。
引用
@article{arxiv.2109.05603,
title = {Learning to Navigate Sidewalks in Outdoor Environments},
author = {Maks Sorokin and Jie Tan and C. Karen Liu and Sehoon Ha},
journal= {arXiv preprint arXiv:2109.05603},
year = {2021}
}
备注
Submitted to IEEE Robotics and Automation Letters (RA-L)