MarineFormer: 面向动态海域环境的USV导航空间-时间注意力模型
机器人学
2025-07-11 v4 人工智能
摘要
在海洋环境中进行自主导航极具挑战性,尤其是在存在空间变化流动扰动和动态/静态障碍物的情况下。本文展示,纳入局部流场测量数据本质上会改变问题的性质，将原本难以解决的导航场景转化为可处理的场景。然而,仅凭数据本身并不足够;必须有效地与常规感知输入(如自身状态和障碍物状态)融合。为此,我们提出了 MarineFormer,一种基于 Transformer 的策略架构,集成两种互补注意力机制:用于传感器融合的空间注意力,用于捕获环境动态的时序注意力。MarineFormer 通过强化学习在具有真实流动特征和障碍物的二维模拟环境中进行端到端训练。广泛的基准测试表明,该方法在几乎提高 23% 的成功完成率的同时,显著缩短路径长度。消融研究进一步凸显了流动测量的关键作用以及我们所提出架构在利用这些数据的有效性。
关键词
引用
@article{arxiv.2410.13973,
title = {MarineFormer: A Spatio-Temporal Attention Model for USV Navigation in Dynamic Marine Environments},
author = {Ehsan Kazemi and Dechen Gao and Iman Soltani},
journal= {arXiv preprint arXiv:2410.13973},
year = {2025}
}