MetricNet：恢复生成式导航策略中的度量尺度

生成式导航策略在提高端到端学习导航方面取得了快速进展。尽管已取得鼎舞人心的成果，但该范式仍存在两个结构性问题。首先，抽样轨迹存在于抽象的、无尺度的空间中，缺乏度量锚定；其次，控制策略忽略完整路径，仅朝单一目标点移动。这导致短视且不安全的行动，使机器人朝向障碍物移动，而完整且正确尺度化的路径会绕过这些障碍物。为解决这些问题，我们提出了 MetricNet，这是一个有效的生成式导航添加器，预测目标点之间的度量距离，将策略输出锚定在度量坐标中。我们在仿真环境中进行评估，构建了新的基准框架，结果表明执行 MetricNet 缩放后的目标点显著改善了导航和探索性能。Beyond simulation，我们进一步在实际环境中进行了验证。最后，我们提出了 MetricNav，将 MetricNet 集成到导航策略中，以引导机器人远离障碍物，同时仍朝目标移动。