使用混合策略在真实环境中进行多目标导航
机器人学
2024-01-26 v1 人工智能
摘要
在机器人学中，导航传统上通过 SLAM 与规划的结合来解决。最近，除了航点规划之外，涉及（视觉）高层推理重要组成部分的问题已在模拟环境中进行了探索，大多通过大规模机器学习来解决，特别是强化学习（RL）、离线强化学习或模仿学习。这些方法要求智能体学习各种技能，如局部规划、映射对象和查询学习到的空间表示。与航点规划（PointGoal）等更简单的任务相比，对于这些更复杂的任务，当前最先进的模型已在模拟中进行了全面评估，但据我们所知，尚未在真实环境中进行评估。在这项工作中，我们专注于从模拟到现实的迁移。我们针对具有挑战性的多目标导航（Multi-ON）任务，并将其移植到一个包含原始虚拟 Multi-ON 对象真实复制品的物理环境中。我们引入了一种混合导航方法，该方法将问题分解为两种不同的技能：（1）航点导航通过结合符号规划器的经典 SLAM 来解决，而（2）探索、语义映射和目标检索则由通过监督学习和强化学习相结合训练的深度神经网络来处理。我们展示了这种方法在模拟和真实环境中相比端到端方法的优势，并在该任务上超越了当前最优水平。
引用
@article{arxiv.2401.13800,
title = {Multi-Object Navigation in real environments using hybrid policies},
author = {Assem Sadek and Guillaume Bono and Boris Chidlovskii and Atilla Baskurt and Christian Wolf},
journal= {arXiv preprint arXiv:2401.13800},
year = {2024}
}