用于图像目标导航的记忆增强强化学习
计算机视觉与模式识别
2023-01-06 v5 人工智能
机器人学
摘要
在本工作中，我们提出一种用于图像目标导航的记忆增强方法。早期的尝试，包括基于RL和基于SLAM的方法，要么泛化性能差，要么严重依赖位姿/深度传感器。我们的方法基于一个利用情景记忆来学习导航的注意力端到端模型。首先，我们以自监督方式训练一个状态嵌入网络，然后用它将先前访问过的状态嵌入到智能体的记忆中。我们的导航策略通过注意力机制利用这一信息。我们通过大量评估验证我们的方法，并表明我们的模型在具有挑战性的Gibson数据集上确立了新的SOTA。此外，我们仅从RGB输入就取得了这一令人印象深刻的性能，无需访问如位置或深度等额外信息，这与相关工作形成鲜明对比。
引用
@article{arxiv.2101.05181,
title = {Memory-Augmented Reinforcement Learning for Image-Goal Navigation},
author = {Lina Mezghani and Sainbayar Sukhbaatar and Thibaut Lavril and Oleksandr Maksymets and Dhruv Batra and Piotr Bojanowski and Karteek Alahari},
journal= {arXiv preprint arXiv:2101.05181},
year = {2023}
}