Long-HOT：一种面向长时域物体搬运的模块化分层方法
计算机视觉与模式识别
2022-10-31 v1 机器人学
摘要
我们通过提出一种新的物体搬运任务和一种用于时间扩展导航的新型模块化框架，解决长时域具身探索与导航中的关键挑战。我们的首要贡献是设计了一个新颖的Long-HOT环境，聚焦于深度探索与长时域规划，其中智能体需要高效寻找并拾取待搬运的目标物体并将其放置于目标位置，具有负载约束，并在找到容器时可选择使用。此外，我们提出一种模块化分层搬运策略（HTP），其构建场景的拓扑图以借助加权边界进行探索。我们的分层方法结合运动规划算法以到达已探索区域内的点目标，以及物体导航策略以朝向未知位置的语义目标移动。在提出的Habitat搬运任务及MultiOn基准上的实验表明，我们的方法显著优于基线方法与已有工作。进一步，我们仅在该任务的较简单版本上训练，便展示出模块化方法对长时域搬运的有效泛化能力，可泛化至困难得多的搬运场景。
引用
@article{arxiv.2210.15908,
title = {Long-HOT: A Modular Hierarchical Approach for Long-Horizon Object Transport},
author = {Sriram Narayanan and Dinesh Jayaraman and Manmohan Chandraker},
journal= {arXiv preprint arXiv:2210.15908},
year = {2022}
}