面向多目标需求驱动导航的粗到细属性基于探索智能体
机器人学
2024-10-07 v1
摘要
满足日常需求是人类日常生活中必不可少的方面。随着具身人工智能的发展，机器人日益能够满足人类的需求。需求驱动导航（DDN）是指智能体必须定位以满足指定需求指令的对象，如“我渴了”。以往的研究通常假设每个需求指令只需要一个对象即可满足，且不考虑个人偏好。然而，真实的人类需求可能涉及多个对象。本文引入了多目标需求驱动导航（MO-DDN）基准，旨在解决这些细微问题，包括多对象搜索和个人偏好，从而使 MO-DDN 任务更贴近现实情景。建立在前述工作基础上，我们采用“属性”概念来处理新任务。然而，与 DDN 不同，后者仅以端到端方式依赖属性特征，本文提出一种模块化方法，即构建粗到细属性基于探索的智能体（C2FAgent）。我们的实验结果表明，这种粗到细的探索策略在各个决策水平上充分利用了属性的优势，相较于基线方法表现出更佳的性能。代码和视频可在 https://sites.google.com/view/moddn 查阅。
引用
@article{arxiv.2410.03488,
title = {MO-DDN: A Coarse-to-Fine Attribute-based Exploration Agent for Multi-object Demand-driven Navigation},
author = {Hongcheng Wang and Peiqi Liu and Wenzhe Cai and Mingdong Wu and Zhengyu Qian and Hao Dong},
journal= {arXiv preprint arXiv:2410.03488},
year = {2024}
}
备注
Accepted at NeurIPS 2024; 39 pages, 11 figures;