MultiON：使用多目标导航基准测试语义地图记忆
计算机视觉与模式识别
2020-12-08 v1 人工智能
机器学习
机器人学
摘要
照片级真实 3D 环境中的导航任务具有挑战性，因为它们需要在部分可观测性下进行感知和有效规划。近期工作表明类地图记忆对长程导航任务有用。然而，尚未对地图对不同复杂度导航任务的影响进行聚焦研究。我们提出了 multiON 任务，需要在真实环境中按情节特定的对象序列进行导航。MultiON 推广了 ObjectGoal 导航任务，并显式测试导航智能体定位先前观测到的目标对象的能力。我们进行了一组 multiON 实验，以考察各种智能体模型在一系列导航任务复杂度上的表现。我们的实验表明：i）导航性能随任务复杂度升级而急剧下降；ii）简单的语义地图智能体相对于更复杂的神经图像特征地图智能体表现得出奇地好；iii）即使是预言地图智能体也仅达到相对较低的性能，表明未来在使用地图训练具身导航智能体方面存在潜力。视频摘要：https://youtu.be/yqTlHNIcgnY
引用
@article{arxiv.2012.03912,
title = {MultiON: Benchmarking Semantic Map Memory using Multi-Object Navigation},
author = {Saim Wani and Shivansh Patel and Unnat Jain and Angel X. Chang and Manolis Savva},
journal= {arXiv preprint arXiv:2012.03912},
year = {2020}
}
备注
Project page: https://shivanshpatel35.github.io/multi-ON/ ; the first three authors contributed equally